Autor Langs, Georg
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsquedaCloud-Based Benchmarking of Medical Image Analysis / Hanbury, Allan ; Müller, Henning ; Langs, Georg
Título : Cloud-Based Benchmarking of Medical Image Analysis Tipo de documento: documento electrónico Autores: Hanbury, Allan, ; Müller, Henning, ; Langs, Georg, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XVIII, 254 p. 93 ilustraciones, 39 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-49644-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Informática Médica Visión por computador Computadoras digitales electrónicas Informática de la Salud Rendimiento y evaluación del sistema Índice Dewey: 610.285 Resumen: Este libro es de acceso abierto bajo una licencia CC BY-NC 2.5. Este libro presenta los puntos de referencia del proyecto VISCERAL para el análisis y recuperación de imágenes médicas 3D (CT y MRI) a gran escala, que utilizó un enfoque de evaluación innovador basado en la nube donde los datos de las imágenes se almacenaron centralmente en una infraestructura de nube y los participantes colocaron sus programas. en máquinas virtuales en la nube. El libro presenta los puntos de vista tanto de los organizadores de los benchmarks VISCERAL como de los participantes. El libro esta dividido en cinco partes. La Parte I presenta el paradigma de evaluación comparativa y evaluación como servicio basado en la nube que utilizaron los puntos de referencia VISCERAL. La Parte II se centra en los conjuntos de datos de imágenes médicas anotadas con datos reales creados en VISCERAL que siguen estando disponibles para la investigación. También cubre los aspectos prácticos de la obtención de permiso para utilizar datos médicos y anotar manualmente imágenes médicas en 3D de manera eficiente y efectiva. Los puntos de referencia VISCERAL se describen en la Parte III, incluida una presentación y análisis de las métricas utilizadas en la evaluación del análisis y la búsqueda de imágenes médicas. Por último, las Partes IV y V presentan informes de algunos de los participantes en los puntos de referencia VISCERAL, con la Parte IV dedicada a los puntos de referencia de anatomía y la Parte V a los puntos de referencia de recuperación. Este libro tiene dos audiencias principales: los conjuntos de datos, así como los resultados de segmentación y recuperación, son de mayor interés para los investigadores de imágenes médicas, mientras que los expertos en ciencias electrónicas y ciencias computacionales se benefician de los conocimientos sobre el uso del paradigma de evaluación como servicio para la evaluación y evaluación comparativa de grandes cantidades de datos. Nota de contenido: VISCERAL: Evaluation-as-a-Service for Medical Imaging -- Using the Cloud as a Platform for Evaluation and Data Preparation -- Ethical and Privacy Aspects of Using Medical Image Data -- Annotating Medical Image Data -- Datasets created in VISCERAL -- Evaluation Metrics for Medical Organ Segmentation and Lesion Detection -- VISCERAL Anatomy Benchmarks for Organ Segmentation and Landmark Localisation: Tasks and Results -- Retrieval of Medical Cases for Diagnostic Decisions: VISCERAL Retrieval Benchmark -- Automatic Atlas-Free Multi-Organ Segmentation of Contrast-Enhanced CT Scans -- Multi-organ Segmentation Using Coherent Propagating Level Set Method Guided by Hierarchical Shape Priors and Local Phase Information -- Automatic Multi-organ Segmentation using Hierarchically-Registered Probabilistic Atlases -- Multi-Atlas Segmentation Using Robust Feature-Based Registration -- Combining Radiology Images and Clinical Meta-data for Multimodal Medical Case-based Retrieval -- Text and Content-based Medical Image Retrieval in the VISCERAL Retrieval Benchmark. 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 Cloud-Based Benchmarking of Medical Image Analysis [documento electrónico] / Hanbury, Allan, ; Müller, Henning, ; Langs, Georg, . - 1 ed. . - [s.l.] : Springer, 2017 . - XVIII, 254 p. 93 ilustraciones, 39 ilustraciones en color.
ISBN : 978-3-319-49644-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Informática Médica Visión por computador Computadoras digitales electrónicas Informática de la Salud Rendimiento y evaluación del sistema Índice Dewey: 610.285 Resumen: Este libro es de acceso abierto bajo una licencia CC BY-NC 2.5. Este libro presenta los puntos de referencia del proyecto VISCERAL para el análisis y recuperación de imágenes médicas 3D (CT y MRI) a gran escala, que utilizó un enfoque de evaluación innovador basado en la nube donde los datos de las imágenes se almacenaron centralmente en una infraestructura de nube y los participantes colocaron sus programas. en máquinas virtuales en la nube. El libro presenta los puntos de vista tanto de los organizadores de los benchmarks VISCERAL como de los participantes. El libro esta dividido en cinco partes. La Parte I presenta el paradigma de evaluación comparativa y evaluación como servicio basado en la nube que utilizaron los puntos de referencia VISCERAL. La Parte II se centra en los conjuntos de datos de imágenes médicas anotadas con datos reales creados en VISCERAL que siguen estando disponibles para la investigación. También cubre los aspectos prácticos de la obtención de permiso para utilizar datos médicos y anotar manualmente imágenes médicas en 3D de manera eficiente y efectiva. Los puntos de referencia VISCERAL se describen en la Parte III, incluida una presentación y análisis de las métricas utilizadas en la evaluación del análisis y la búsqueda de imágenes médicas. Por último, las Partes IV y V presentan informes de algunos de los participantes en los puntos de referencia VISCERAL, con la Parte IV dedicada a los puntos de referencia de anatomía y la Parte V a los puntos de referencia de recuperación. Este libro tiene dos audiencias principales: los conjuntos de datos, así como los resultados de segmentación y recuperación, son de mayor interés para los investigadores de imágenes médicas, mientras que los expertos en ciencias electrónicas y ciencias computacionales se benefician de los conocimientos sobre el uso del paradigma de evaluación como servicio para la evaluación y evaluación comparativa de grandes cantidades de datos. Nota de contenido: VISCERAL: Evaluation-as-a-Service for Medical Imaging -- Using the Cloud as a Platform for Evaluation and Data Preparation -- Ethical and Privacy Aspects of Using Medical Image Data -- Annotating Medical Image Data -- Datasets created in VISCERAL -- Evaluation Metrics for Medical Organ Segmentation and Lesion Detection -- VISCERAL Anatomy Benchmarks for Organ Segmentation and Landmark Localisation: Tasks and Results -- Retrieval of Medical Cases for Diagnostic Decisions: VISCERAL Retrieval Benchmark -- Automatic Atlas-Free Multi-Organ Segmentation of Contrast-Enhanced CT Scans -- Multi-organ Segmentation Using Coherent Propagating Level Set Method Guided by Hierarchical Shape Priors and Local Phase Information -- Automatic Multi-organ Segmentation using Hierarchically-Registered Probabilistic Atlases -- Multi-Atlas Segmentation Using Robust Feature-Based Registration -- Combining Radiology Images and Clinical Meta-data for Multimodal Medical Case-based Retrieval -- Text and Content-based Medical Image Retrieval in the VISCERAL Retrieval Benchmark. 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 : Medical Computer Vision and Bayesian and Graphical Models for Biomedical Imaging : MICCAI 2016 International Workshops, MCV and BAMBI, Athens, Greece, October 21, 2016, Revised Selected Papers Tipo de documento: documento electrónico Autores: Müller, Henning, ; Kelm, B. Michael, ; Arbel, Tal, ; Cai, Weidong, ; Cardoso, M. Jorge, ; Langs, Georg, ; Menze, Bjoern, ; Metaxas, Dimitris, ; Montillo, Albert, ; Wells III, William M., ; Zhang, Shaoting, ; Chung, Albert C.S, ; Jenkinson, Mark, ; Ribbens, Annemie, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XIII, 222 p. 75 ilustraciones ISBN/ISSN/DL: 978-3-319-61188-4 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 Informática Médica Inteligencia artificial Informática Estadistica matematica Sistemas de reconocimiento de patrones Informática de la Salud Probabilidad y Estadística en Informática Aplicaciones matemáticas en informática Reconocimiento de patrones automatizado Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas posteriores al taller, exhaustivamente arbitradas, del Taller internacional sobre visión médica por computadora, MCV 2016, y del Taller internacional sobre modelos gráficos y bayesianos para imágenes biomédicas, BAMBI 2016, celebrado en Atenas, Grecia, en octubre de 2016. en conjunto con la 19.ª Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2016. Los 13 artículos presentados en el taller MCV y los 6 artículos presentados en el taller BAMBI fueron cuidadosamente revisados y seleccionados entre numerosas presentaciones. El objetivo del taller MCV es explorar el uso de algoritmos de "grandes datos" para recopilar, organizar y aprender a partir de conjuntos de datos de imágenes médicas a gran escala y para la comprensión automática de imágenes médicas con fines generales. El taller BAMBI tiene como objetivo resaltar el potencial del uso de modelos gráficos de campo aleatorios o bayesianos para avanzar en la investigación en el análisis de imágenes biomédicas. Nota de contenido: Constructing Subject- and Disease-Specific Effect Maps: Application to Neurodegenerative Diseases -- BigBrain: Automated Cortical Parcellation and Comparison with Existing Brain Atlases -- LATEST: Local AdapTivE and Sequential Training for Tissue Segmentation of Isointense Infant Brain MR Images -- Landmark-based Alzheimer's Disease Diagnosis Using Longitudinal Structural MR Images -- Inferring Disease Status by non-Parametric Probabilistic Embedding -- A Lung Graph-Model for Pulmonary Hypertension and Pulmonary Embolism Detection on DECT Images -- Explaining Radiological Emphysema Subtypes with Unsupervised Texture Prototypes: MESA COPD Study -- Automatic Segmentation of Abdominal MRI Using Selective Sampling and Random Walker -- Gaze2Segment: A Pilot Study for Integrating Eye-Tracking Technology into Medical Image Segmentation -- Automatic Detection of Histological Artifacts in Mouse Brain Slice Images -- Lung Nodule Classification by Jointly Using Visual Descriptors and Deep Features -- Representation Learning for Cross-Modality Classification -- Guideline-based Machine Learning for Standard Plane Extraction in 3D Cardiac Ultrasound -- A Statistical Model for Simultaneous Template Estimation, Bias Correction, and Registration of 3D Brain Images -- Bayesian Multiview Manifold Learning Applied to Hippocampus Shape and Clinical Score Data -- Rigid Slice-To-Volume Medical Image Registration through Markov Random Fields -- Sparse Probabilistic Parallel Factor Analysis for the Modeling of PET and Task-fMRI data -- Non-local Graph-based Regularization for Deformable Image Registration -- Unsupervised Framework for Consistent Longitudinal MS Lesion Segmentation. . 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 Medical Computer Vision and Bayesian and Graphical Models for Biomedical Imaging : MICCAI 2016 International Workshops, MCV and BAMBI, Athens, Greece, October 21, 2016, Revised Selected Papers [documento electrónico] / Müller, Henning, ; Kelm, B. Michael, ; Arbel, Tal, ; Cai, Weidong, ; Cardoso, M. Jorge, ; Langs, Georg, ; Menze, Bjoern, ; Metaxas, Dimitris, ; Montillo, Albert, ; Wells III, William M., ; Zhang, Shaoting, ; Chung, Albert C.S, ; Jenkinson, Mark, ; Ribbens, Annemie, . - 1 ed. . - [s.l.] : Springer, 2017 . - XIII, 222 p. 75 ilustraciones.
ISBN : 978-3-319-61188-4
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 Informática Médica Inteligencia artificial Informática Estadistica matematica Sistemas de reconocimiento de patrones Informática de la Salud Probabilidad y Estadística en Informática Aplicaciones matemáticas en informática Reconocimiento de patrones automatizado Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas posteriores al taller, exhaustivamente arbitradas, del Taller internacional sobre visión médica por computadora, MCV 2016, y del Taller internacional sobre modelos gráficos y bayesianos para imágenes biomédicas, BAMBI 2016, celebrado en Atenas, Grecia, en octubre de 2016. en conjunto con la 19.ª Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2016. Los 13 artículos presentados en el taller MCV y los 6 artículos presentados en el taller BAMBI fueron cuidadosamente revisados y seleccionados entre numerosas presentaciones. El objetivo del taller MCV es explorar el uso de algoritmos de "grandes datos" para recopilar, organizar y aprender a partir de conjuntos de datos de imágenes médicas a gran escala y para la comprensión automática de imágenes médicas con fines generales. El taller BAMBI tiene como objetivo resaltar el potencial del uso de modelos gráficos de campo aleatorios o bayesianos para avanzar en la investigación en el análisis de imágenes biomédicas. Nota de contenido: Constructing Subject- and Disease-Specific Effect Maps: Application to Neurodegenerative Diseases -- BigBrain: Automated Cortical Parcellation and Comparison with Existing Brain Atlases -- LATEST: Local AdapTivE and Sequential Training for Tissue Segmentation of Isointense Infant Brain MR Images -- Landmark-based Alzheimer's Disease Diagnosis Using Longitudinal Structural MR Images -- Inferring Disease Status by non-Parametric Probabilistic Embedding -- A Lung Graph-Model for Pulmonary Hypertension and Pulmonary Embolism Detection on DECT Images -- Explaining Radiological Emphysema Subtypes with Unsupervised Texture Prototypes: MESA COPD Study -- Automatic Segmentation of Abdominal MRI Using Selective Sampling and Random Walker -- Gaze2Segment: A Pilot Study for Integrating Eye-Tracking Technology into Medical Image Segmentation -- Automatic Detection of Histological Artifacts in Mouse Brain Slice Images -- Lung Nodule Classification by Jointly Using Visual Descriptors and Deep Features -- Representation Learning for Cross-Modality Classification -- Guideline-based Machine Learning for Standard Plane Extraction in 3D Cardiac Ultrasound -- A Statistical Model for Simultaneous Template Estimation, Bias Correction, and Registration of 3D Brain Images -- Bayesian Multiview Manifold Learning Applied to Hippocampus Shape and Clinical Score Data -- Rigid Slice-To-Volume Medical Image Registration through Markov Random Fields -- Sparse Probabilistic Parallel Factor Analysis for the Modeling of PET and Task-fMRI data -- Non-local Graph-based Regularization for Deformable Image Registration -- Unsupervised Framework for Consistent Longitudinal MS Lesion Segmentation. . 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
