| Título : |
Artificial Intelligence and Machine Learning for Digital Pathology : State-of-the-Art and Future Challenges |
| Tipo de documento: |
documento electrónico |
| Autores: |
Holzinger, Andreas, ; Goebel, Randy, ; Mengel, Michael, ; Müller, Heimo, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2020 |
| Número de páginas: |
XII, 341 p. 95 ilustraciones, 84 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-030-50402-1 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Inteligencia artificial Ordenadores Gestión de base de datos Ciencias sociales Protección de datos Visión por computador Entornos informáticos Aplicación informática en ciencias sociales y del comportamiento Seguridad de datos e información |
| Índice Dewey: |
006.3 Inteligencia artificial |
| Resumen: |
La inteligencia artificial (IA) y el aprendizaje automático (ML) impulsados por datos en patología digital, radiología y dermatología son muy prometedores. En casos concretos, por ejemplo, el Deep Learning (DL), superando incluso el desempeño humano. Sin embargo, en el contexto de la medicina es importante que un experto humano verifique el resultado. En consecuencia, existe la necesidad de transparencia y trazabilidad de las soluciones de última generación para que sean utilizables para respaldar decisiones médicas éticas y responsables. Además, para la formación se necesitan macrodatos que abarquen un amplio espectro de diversas enfermedades humanas en diferentes sistemas de órganos. Estos conjuntos de datos deben cumplir con criterios regulatorios y de alta calidad y deben estar bien anotados para ML a nivel de paciente, muestra e imagen. Aquí los biobancos desempeñan un papel central y futuro al proporcionar grandes colecciones de muestras y datos de alta calidad y bien anotados. Los principales desafíos son encontrar biobancos que contengan muestras "adecuadas para su propósito", proporcionar metadatos relacionados con la calidad, obtener acceso a anotaciones y datos médicos estandarizados y escaneo masivo de diapositivas completas, incluidas soluciones eficientes de gestión de datos. |
| Nota de contenido: |
Expectations of Artificial Intelligence for Pathology -- Interpretable Deep Neural Network to Predict Estrogen Receptor Status from Haematoxylin-Eosin Images -- Supporting the Donation of Health Records to Biobanks for Medical Research -- Survey of XAI in Digital Pathology -- Sample Quality as Basic Prerequisite for Data Quality: A Quality Management System for Biobanks -- Black Box Nature of Deep Learning for Digital Pathology: Beyond Quantitative to Qualitative Algorithmic Performances -- Towards a Better Understanding of the Workflows: Modeling Pathology Processes in View of Future AI Integration -- OBDEX – Open Block Data Exchange System -- Image Processing and Machine Learning Techniques for Diabetic Retinopathy Detection: A Review -- Higher Education Teaching Material on Machine Learning in the Domain of Digital Pathology -- Classification vs Deep Learning in Cancer Degree on Limited Histopathology Datasets -- Biobanks and Biobank-Based Artificial Intelligence (AI) Implementation Throughan International Lens -- HistoMapr: An Explainable AI (xAI) Platform for Computational Pathology Solutions -- Extension of the Identity Management System Mainzelliste to Reduce Runtimes for Patient Registration in Large Datasets -- Digital Image Analysis in Pathology Using DNA Stain: Contributions in Cancer Diagnostics and Development of Prognostic and Theranostic Biomarkers -- Assessment and Comparison of Colour Fidelity of Whole slide imaging scanners -- Deep Learning Methods for Mitosis Detection in Breast Cancer Histopathological Images: a Comprehensive Review -- Developments in AI and Machine Learning for Neuroimaging. |
| 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 |
Artificial Intelligence and Machine Learning for Digital Pathology : State-of-the-Art and Future Challenges [documento electrónico] / Holzinger, Andreas, ; Goebel, Randy, ; Mengel, Michael, ; Müller, Heimo, . - 1 ed. . - [s.l.] : Springer, 2020 . - XII, 341 p. 95 ilustraciones, 84 ilustraciones en color. ISBN : 978-3-030-50402-1 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Inteligencia artificial Ordenadores Gestión de base de datos Ciencias sociales Protección de datos Visión por computador Entornos informáticos Aplicación informática en ciencias sociales y del comportamiento Seguridad de datos e información |
| Índice Dewey: |
006.3 Inteligencia artificial |
| Resumen: |
La inteligencia artificial (IA) y el aprendizaje automático (ML) impulsados por datos en patología digital, radiología y dermatología son muy prometedores. En casos concretos, por ejemplo, el Deep Learning (DL), superando incluso el desempeño humano. Sin embargo, en el contexto de la medicina es importante que un experto humano verifique el resultado. En consecuencia, existe la necesidad de transparencia y trazabilidad de las soluciones de última generación para que sean utilizables para respaldar decisiones médicas éticas y responsables. Además, para la formación se necesitan macrodatos que abarquen un amplio espectro de diversas enfermedades humanas en diferentes sistemas de órganos. Estos conjuntos de datos deben cumplir con criterios regulatorios y de alta calidad y deben estar bien anotados para ML a nivel de paciente, muestra e imagen. Aquí los biobancos desempeñan un papel central y futuro al proporcionar grandes colecciones de muestras y datos de alta calidad y bien anotados. Los principales desafíos son encontrar biobancos que contengan muestras "adecuadas para su propósito", proporcionar metadatos relacionados con la calidad, obtener acceso a anotaciones y datos médicos estandarizados y escaneo masivo de diapositivas completas, incluidas soluciones eficientes de gestión de datos. |
| Nota de contenido: |
Expectations of Artificial Intelligence for Pathology -- Interpretable Deep Neural Network to Predict Estrogen Receptor Status from Haematoxylin-Eosin Images -- Supporting the Donation of Health Records to Biobanks for Medical Research -- Survey of XAI in Digital Pathology -- Sample Quality as Basic Prerequisite for Data Quality: A Quality Management System for Biobanks -- Black Box Nature of Deep Learning for Digital Pathology: Beyond Quantitative to Qualitative Algorithmic Performances -- Towards a Better Understanding of the Workflows: Modeling Pathology Processes in View of Future AI Integration -- OBDEX – Open Block Data Exchange System -- Image Processing and Machine Learning Techniques for Diabetic Retinopathy Detection: A Review -- Higher Education Teaching Material on Machine Learning in the Domain of Digital Pathology -- Classification vs Deep Learning in Cancer Degree on Limited Histopathology Datasets -- Biobanks and Biobank-Based Artificial Intelligence (AI) Implementation Throughan International Lens -- HistoMapr: An Explainable AI (xAI) Platform for Computational Pathology Solutions -- Extension of the Identity Management System Mainzelliste to Reduce Runtimes for Patient Registration in Large Datasets -- Digital Image Analysis in Pathology Using DNA Stain: Contributions in Cancer Diagnostics and Development of Prognostic and Theranostic Biomarkers -- Assessment and Comparison of Colour Fidelity of Whole slide imaging scanners -- Deep Learning Methods for Mitosis Detection in Breast Cancer Histopathological Images: a Comprehensive Review -- Developments in AI and Machine Learning for Neuroimaging. |
| 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 |
|  |
Hacer una sugerencia Refinar búsquedaArtificial Intelligence and Machine Learning for Digital Pathology / Holzinger, Andreas ; Goebel, Randy ; Mengel, Michael ; Müller, Heimo
