Autor Li, Quanzheng
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsquedaMultimodal Learning for Clinical Decision Support / Syeda-Mahmood, Tanveer ; Li, Xiang ; Madabhushi, Anant ; Greenspan, Hayit ; Li, Quanzheng ; Leahy, Richard ; Dong, Bin ; Wang, Hongzhi
Título : Multimodal Learning for Clinical Decision Support : 11th International Workshop, ML-CDS 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, October 1, 2021, Proceedings Tipo de documento: documento electrónico Autores: Syeda-Mahmood, Tanveer, ; Li, Xiang, ; Madabhushi, Anant, ; Greenspan, Hayit, ; Li, Quanzheng, ; Leahy, Richard, ; Dong, Bin, ; Wang, Hongzhi, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: VIII, 117 p. 47 ilustraciones, 43 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-89847-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Procesamiento de imágenes Visión por computador Aprendizaje automático Gestión de base de datos Ciencias sociales Imágenes por computadora visión reconocimiento de patrones y gráficos Aplicación informática en ciencias sociales y del comportamiento Índice Dewey: 6 Resumen: Este libro constituye las actas conjuntas arbitradas del 11.º Taller internacional sobre aprendizaje multimodal para el apoyo a las decisiones clínicas, ML-CDS 2021, celebrado junto con la 24.ª Conferencia internacional sobre imágenes médicas e intervención asistida por computadora, MICCAI 2021, en Estrasburgo, Francia. en octubre de 2021. El taller se realizó de manera virtual debido a la pandemia de COVID-19. Los 10 artículos completos presentados en ML-CDS 2021 fueron cuidadosamente revisados y seleccionados entre numerosas presentaciones. Los artículos de ML-CDS analizan el aprendizaje automático en conjuntos de datos multimodales para apoyar la toma de decisiones clínicas y la planificación del tratamiento. Nota de contenido: From Picoscale Pathology to Decascale Disease: Image Registration with a Scattering Transform and Varifolds for Manipulating Multiscale Data -- Multi-Scale Hybrid Transformer Networks: Application to Prostate Disease Classification -- Predicting Treatment Response in Prostate Cancer Patients Based on Multimodal PET/CT for Clinical Decision Support -- A Federated Multigraph Integration Approach for Connectional Brain Template Learning -- SAMA: Spatially-Aware Multimodal Network with Attention for Early Lung Cancer Diagnosis -- Fully Automatic Head and Neck Cancer Prognosis Prediction in PET/CT -- Feature Selection for Privileged Modalities in Disease Classification -- Merging and Annotating Teeth and Roots from Automated Segmentation of Multimodal Images -- Structure and Feature based Graph U-Net for Early Alzheimer's Disease Prediction -- A Method for Predicting Alzheimer's Disease based on the Fusion of Single Nucleotide Polymorphisms and Magnetic Resonance Feature Extraction. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Multimodal Learning for Clinical Decision Support : 11th International Workshop, ML-CDS 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, October 1, 2021, Proceedings [documento electrónico] / Syeda-Mahmood, Tanveer, ; Li, Xiang, ; Madabhushi, Anant, ; Greenspan, Hayit, ; Li, Quanzheng, ; Leahy, Richard, ; Dong, Bin, ; Wang, Hongzhi, . - 1 ed. . - [s.l.] : Springer, 2021 . - VIII, 117 p. 47 ilustraciones, 43 ilustraciones en color.
ISBN : 978-3-030-89847-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Procesamiento de imágenes Visión por computador Aprendizaje automático Gestión de base de datos Ciencias sociales Imágenes por computadora visión reconocimiento de patrones y gráficos Aplicación informática en ciencias sociales y del comportamiento Índice Dewey: 6 Resumen: Este libro constituye las actas conjuntas arbitradas del 11.º Taller internacional sobre aprendizaje multimodal para el apoyo a las decisiones clínicas, ML-CDS 2021, celebrado junto con la 24.ª Conferencia internacional sobre imágenes médicas e intervención asistida por computadora, MICCAI 2021, en Estrasburgo, Francia. en octubre de 2021. El taller se realizó de manera virtual debido a la pandemia de COVID-19. Los 10 artículos completos presentados en ML-CDS 2021 fueron cuidadosamente revisados y seleccionados entre numerosas presentaciones. Los artículos de ML-CDS analizan el aprendizaje automático en conjuntos de datos multimodales para apoyar la toma de decisiones clínicas y la planificación del tratamiento. Nota de contenido: From Picoscale Pathology to Decascale Disease: Image Registration with a Scattering Transform and Varifolds for Manipulating Multiscale Data -- Multi-Scale Hybrid Transformer Networks: Application to Prostate Disease Classification -- Predicting Treatment Response in Prostate Cancer Patients Based on Multimodal PET/CT for Clinical Decision Support -- A Federated Multigraph Integration Approach for Connectional Brain Template Learning -- SAMA: Spatially-Aware Multimodal Network with Attention for Early Lung Cancer Diagnosis -- Fully Automatic Head and Neck Cancer Prognosis Prediction in PET/CT -- Feature Selection for Privileged Modalities in Disease Classification -- Merging and Annotating Teeth and Roots from Automated Segmentation of Multimodal Images -- Structure and Feature based Graph U-Net for Early Alzheimer's Disease Prediction -- A Method for Predicting Alzheimer's Disease based on the Fusion of Single Nucleotide Polymorphisms and Magnetic Resonance Feature Extraction. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Multiscale Multimodal Medical Imaging : First International Workshop, MMMI 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 13, 2019, Proceedings Tipo de documento: documento electrónico Autores: Li, Quanzheng, ; Leahy, Richard, ; Dong, Bin, ; Li, Xiang, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: X, 109 p. 55 ilustraciones, 46 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-37969-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Visión por computador Aprendizaje automático Sistemas de reconocimiento de patrones Reconocimiento de patrones automatizado Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas arbitradas del Primer Taller Internacional sobre Imágenes Médicas Multimodales Multiescala, MMMI 2019, celebrado junto con MICCAI 2019 en Shenzhen, China, en octubre de 2019. Los 13 artículos presentados fueron cuidadosamente revisados y seleccionados entre 18 presentaciones. El taller MMMI tiene como objetivo avanzar en los últimos avances en imágenes médicas multimodales y a múltiples escalas, incluido el desarrollo de algoritmos, la implementación de metodologías y estudios experimentales. Los artículos se centran en el análisis de imágenes médicas y el aprendizaje automático, especialmente en métodos de aprendizaje automático para la fusión de datos y el aprendizaje de múltiples puntuaciones. Nota de contenido: Multi-Modal Image Prediction via Spatial Hybrid U-Net -- Automatic Segmentation of Liver CT Image Based on Dense Pyramid Network -- OctopusNet: A Deep Learning Segmentation Network for Multi-modal Medical Images -- Neural Architecture Search for Optimizing Deep Belief Network Models of fMRI Data -- Feature Pyramid based Attention for Cervical Image Classification -- Single-scan Dual-tracer Separation Network Based on Pre-trained GRU -- PGU-net+: Progressive Growing of U-net+ for Automated Cervical Nuclei Segmentation -- Automated Classification of Arterioles and Venules for Retina Fundus Images using Dual Deeply-Supervised Network -- Liver Segmentation from Multimodal Images using HED-Mask R-CNN -- aEEG Signal Analysis with Ensemble Learning for Newborn Seizure Detection -- Speckle Noise Removal in Ultrasound Images Using A Deep Convolutional Neural Network and A Specially Designed Loss Function -- Automatic Sinus Surgery Skill Assessment Based on Instrument Segmentation and Tracking in Endoscopic Video -- U-Net Training with Instance-Layer Normalization. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Multiscale Multimodal Medical Imaging : First International Workshop, MMMI 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 13, 2019, Proceedings [documento electrónico] / Li, Quanzheng, ; Leahy, Richard, ; Dong, Bin, ; Li, Xiang, . - 1 ed. . - [s.l.] : Springer, 2020 . - X, 109 p. 55 ilustraciones, 46 ilustraciones en color.
ISBN : 978-3-030-37969-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Visión por computador Aprendizaje automático Sistemas de reconocimiento de patrones Reconocimiento de patrones automatizado Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas arbitradas del Primer Taller Internacional sobre Imágenes Médicas Multimodales Multiescala, MMMI 2019, celebrado junto con MICCAI 2019 en Shenzhen, China, en octubre de 2019. Los 13 artículos presentados fueron cuidadosamente revisados y seleccionados entre 18 presentaciones. El taller MMMI tiene como objetivo avanzar en los últimos avances en imágenes médicas multimodales y a múltiples escalas, incluido el desarrollo de algoritmos, la implementación de metodologías y estudios experimentales. Los artículos se centran en el análisis de imágenes médicas y el aprendizaje automático, especialmente en métodos de aprendizaje automático para la fusión de datos y el aprendizaje de múltiples puntuaciones. Nota de contenido: Multi-Modal Image Prediction via Spatial Hybrid U-Net -- Automatic Segmentation of Liver CT Image Based on Dense Pyramid Network -- OctopusNet: A Deep Learning Segmentation Network for Multi-modal Medical Images -- Neural Architecture Search for Optimizing Deep Belief Network Models of fMRI Data -- Feature Pyramid based Attention for Cervical Image Classification -- Single-scan Dual-tracer Separation Network Based on Pre-trained GRU -- PGU-net+: Progressive Growing of U-net+ for Automated Cervical Nuclei Segmentation -- Automated Classification of Arterioles and Venules for Retina Fundus Images using Dual Deeply-Supervised Network -- Liver Segmentation from Multimodal Images using HED-Mask R-CNN -- aEEG Signal Analysis with Ensemble Learning for Newborn Seizure Detection -- Speckle Noise Removal in Ultrasound Images Using A Deep Convolutional Neural Network and A Specially Designed Loss Function -- Automatic Sinus Surgery Skill Assessment Based on Instrument Segmentation and Tracking in Endoscopic Video -- U-Net Training with Instance-Layer Normalization. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
