Clinical Image-Based Procedures, Distributed and Collaborative Learning, Artificial Intelligence for Combating COVID-19 and Secure and Privacy-Preserving Machine Learning / Oyarzun Laura, Cristina ; Cardoso, M. Jorge ; Rosen-Zvi, Michal ; Kaissis, Georgios ; Linguraru, Marius George ; Shekhar, Raj ; Wesarg, Stefan ; Erdt, Marius ; Drechsler, Klaus ; Chen, Yufei ; Albarqouni, Shadi ; Bakas, Spyridon ; Landman, Bennett ; Rieke, Nicola ; Roth, Holger ; Li, Xiaoxiao ; Xu, Daguang ; Gabrani, Maria ; Konukoglu, Ender ; Guindy, Michal ; Rueckert, Daniel ; Ziller, Alexander ; Usynin, Dmitrii ; Passerat-Palmbach, Jonathan  

Público ISBD Ningún comentario para este título. Título : Clinical Image-Based Procedures, Distributed and Collaborative Learning, Artificial Intelligence for Combating COVID-19 and Secure and Privacy-Preserving Machine Learning : 10th Workshop, CLIP 2021, Second Workshop, DCL 2021, First Workshop, LL-COVID19 2021, and First Workshop and Tutorial, PPML 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27 and October 1, 2021, Proceedings Tipo de documento: documento electrónico Autores: Oyarzun Laura, Cristina, ; Cardoso, M. Jorge, ; Rosen-Zvi, Michal, ; Kaissis, Georgios, ; Linguraru, Marius George, ; Shekhar, Raj, ; Wesarg, Stefan, ; Erdt, Marius, ; Drechsler, Klaus, ; Chen, Yufei, ; Albarqouni, Shadi, ; Bakas, Spyridon, ; Landman, Bennett, ; Rieke, Nicola, ; Roth, Holger, ; Li, Xiaoxiao, ; Xu, Daguang, ; Gabrani, Maria, ; Konukoglu, Ender, ; Guindy, Michal, ; Rueckert, Daniel, ; Ziller, Alexander, ; Usynin, Dmitrii, ; Passerat-Palmbach, Jonathan, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XXV, 190 p. 78 ilustraciones, 67 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-90874-4 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  Aprendizaje automático  Red de computadoras  Ciencias sociales  Redes de comunicación informática  Aplicación informática en ciencias sociales y del comportamiento Clasificación: Resumen: Este libro constituye las actas arbitradas del décimo taller internacional sobre procedimientos clínicos basados ​​en imágenes, CLIP 2021, segundo taller MICCAI sobre aprendizaje distribuido y colaborativo, DCL 2021, primer taller MICCAI, LL-COVID19, primer aprendizaje automático seguro y que preserva la privacidad para Taller y tutorial sobre imágenes médicas, PPML 2021, celebrado junto con MICCAI 2021, en octubre de 2021. Estaba previsto que los talleres se llevaran a cabo en Estrasburgo, Francia, pero se llevaron a cabo virtualmente debido a la pandemia de COVID-19. CLIP 2021 aceptó 9 artículos de las 13 presentaciones recibidas. Se centra en modelos holísticos de pacientes para una atención sanitaria personalizada con el objetivo de acercar los métodos de investigación básica a la práctica clínica. Para DCL 2021, se aceptó para publicación 4 artículos de 7 presentaciones. Se ocupan del aprendizaje automático aplicado a problemas en los que los datos no se pueden almacenar en bases de datos centralizadas y la privacidad de la información es una prioridad. LL-COVID19 2021 aceptó 2 artículos de 3 presentados que trataban sobre el uso de modelos de IA en la práctica clínica. Y para PPML 2021, se aceptaron 2 artículos de un total de 6 presentaciones, que exploraban el uso de técnicas de privacidad en la comunidad de imágenes médicas. Nota de contenido: Intestine segmentation with small computational cost for diagnosis assistance of ileus and intestinal obstruction -- Generation of Patient-Specific, Ligamentoskeletal, Finite Element Meshes for Scoliosis Correction Planning -- Bayesian Graph Neural Networks For EEG-based Emotion Recognition -- ViTBIS: Vision Transformer for Biomedical Image Segmentation -- Attention-guided pancreatic duct segmentation from abdominal CT volumes -- Development of the Next Generation Hand-Held Doppler With Waveform Phasicity Predictive Capabilities Using Deep Learning -- Learning from mistakes: an error-driven mechanism to improve segmentation performance based on expert feedback -- TMJOAI: an artificial web-based intelligence tool for early diagnosis of the Temporomandibular Joint Osteoarthritis -- COVID-19 Infection Segmentation from Chest CT Images Based on Scale Uncertainty -- Multi-task Federated Learning for Heterogeneous Pancreas Segmentation -- Federated Learning in the Cloud for Analysis of Medical Images- Experience with Open Source Frameworks -- On the Fairness of Swarm Learning in Skin Lesion Classification -- Lessons learned from the development and application of medical imaging-based AI technologies for combating COVID-19: why discuss, what next -- The Role of Pleura and Adipose in Lung Ultrasound AI -- DuCN: Dual-children Network for Medical Diagnosis and Similar Case Recommendation towards COVID-19 -- Data imputation and reconstruction of distributed Parkinson's disease clinical assessments: A comparative evaluation of two aggregation algorithms -- Defending Medical Image Diagnostics against Privacy Attacks using Generative Methods: Application to Retinal Diagnostics. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Clinical Image-Based Procedures, Distributed and Collaborative Learning, Artificial Intelligence for Combating COVID-19 and Secure and Privacy-Preserving Machine Learning : 10th Workshop, CLIP 2021, Second Workshop, DCL 2021, First Workshop, LL-COVID19 2021, and First Workshop and Tutorial, PPML 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27 and October 1, 2021, Proceedings [documento electrónico] / Oyarzun Laura, Cristina, ; Cardoso, M. Jorge, ; Rosen-Zvi, Michal, ; Kaissis, Georgios, ; Linguraru, Marius George, ; Shekhar, Raj, ; Wesarg, Stefan, ; Erdt, Marius, ; Drechsler, Klaus, ; Chen, Yufei, ; Albarqouni, Shadi, ; Bakas, Spyridon, ; Landman, Bennett, ; Rieke, Nicola, ; Roth, Holger, ; Li, Xiaoxiao, ; Xu, Daguang, ; Gabrani, Maria, ; Konukoglu, Ender, ; Guindy, Michal, ; Rueckert, Daniel, ; Ziller, Alexander, ; Usynin, Dmitrii, ; Passerat-Palmbach, Jonathan,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XXV, 190 p. 78 ilustraciones, 67 ilustraciones en color. ISBN : 978-3-030-90874-4 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  Aprendizaje automático  Red de computadoras  Ciencias sociales  Redes de comunicación informática  Aplicación informática en ciencias sociales y del comportamiento Clasificación: Resumen: Este libro constituye las actas arbitradas del décimo taller internacional sobre procedimientos clínicos basados ​​en imágenes, CLIP 2021, segundo taller MICCAI sobre aprendizaje distribuido y colaborativo, DCL 2021, primer taller MICCAI, LL-COVID19, primer aprendizaje automático seguro y que preserva la privacidad para Taller y tutorial sobre imágenes médicas, PPML 2021, celebrado junto con MICCAI 2021, en octubre de 2021. Estaba previsto que los talleres se llevaran a cabo en Estrasburgo, Francia, pero se llevaron a cabo virtualmente debido a la pandemia de COVID-19. CLIP 2021 aceptó 9 artículos de las 13 presentaciones recibidas. Se centra en modelos holísticos de pacientes para una atención sanitaria personalizada con el objetivo de acercar los métodos de investigación básica a la práctica clínica. Para DCL 2021, se aceptó para publicación 4 artículos de 7 presentaciones. Se ocupan del aprendizaje automático aplicado a problemas en los que los datos no se pueden almacenar en bases de datos centralizadas y la privacidad de la información es una prioridad. LL-COVID19 2021 aceptó 2 artículos de 3 presentados que trataban sobre el uso de modelos de IA en la práctica clínica. Y para PPML 2021, se aceptaron 2 artículos de un total de 6 presentaciones, que exploraban el uso de técnicas de privacidad en la comunidad de imágenes médicas. Nota de contenido: Intestine segmentation with small computational cost for diagnosis assistance of ileus and intestinal obstruction -- Generation of Patient-Specific, Ligamentoskeletal, Finite Element Meshes for Scoliosis Correction Planning -- Bayesian Graph Neural Networks For EEG-based Emotion Recognition -- ViTBIS: Vision Transformer for Biomedical Image Segmentation -- Attention-guided pancreatic duct segmentation from abdominal CT volumes -- Development of the Next Generation Hand-Held Doppler With Waveform Phasicity Predictive Capabilities Using Deep Learning -- Learning from mistakes: an error-driven mechanism to improve segmentation performance based on expert feedback -- TMJOAI: an artificial web-based intelligence tool for early diagnosis of the Temporomandibular Joint Osteoarthritis -- COVID-19 Infection Segmentation from Chest CT Images Based on Scale Uncertainty -- Multi-task Federated Learning for Heterogeneous Pancreas Segmentation -- Federated Learning in the Cloud for Analysis of Medical Images- Experience with Open Source Frameworks -- On the Fairness of Swarm Learning in Skin Lesion Classification -- Lessons learned from the development and application of medical imaging-based AI technologies for combating COVID-19: why discuss, what next -- The Role of Pleura and Adipose in Lung Ultrasound AI -- DuCN: Dual-children Network for Medical Diagnosis and Similar Case Recommendation towards COVID-19 -- Data imputation and reconstruction of distributed Parkinson's disease clinical assessments: A comparative evaluation of two aggregation algorithms -- Defending Medical Image Diagnostics against Privacy Attacks using Generative Methods: Application to Retinal Diagnostics. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Interpretability of Machine Intelligence in Medical Image Computing and Multimodal Learning for Clinical Decision Support / Suzuki, Kenji ; Reyes, Mauricio ; Syeda-Mahmood, Tanveer ; Konukoglu, Ender ; Glocker, Ben ; Wiest, Roland ; Gur, Yaniv ; Greenspan, Hayit ; Madabhushi, Anant  

Público ISBD Ningún comentario para este título. Título : Interpretability of Machine Intelligence in Medical Image Computing and Multimodal Learning for Clinical Decision Support : Second International Workshop, iMIMIC 2019, and 9th International Workshop, ML-CDS 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019, Proceedings Tipo de documento: documento electrónico Autores: Suzuki, Kenji, ; Reyes, Mauricio, ; Syeda-Mahmood, Tanveer, ; Konukoglu, Ender, ; Glocker, Ben, ; Wiest, Roland, ; Gur, Yaniv, ; Greenspan, Hayit, ; Madabhushi, Anant, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XVI, 93 p. 40 ilustraciones, 35 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-33850-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial  Informática de la Salud  Lenguajes formales y teoría de los autómatas  Visión por computador  Teoría de las máquinas  Informática Médica Clasificación: Resumen: Este libro constituye las actas conjuntas arbitradas del Segundo Taller Internacional sobre Interpretabilidad de la Inteligencia Artificial en Computación de Imágenes Médicas, iMIMIC 2019, y el 9º Taller Internacional sobre Aprendizaje Multimodal para el Apoyo a la Decisión Clínica, ML-CDS 2019, celebrado en conjunto con el 22º Taller Internacional Conferencia sobre imágenes médicas e intervención asistida por computadora, MICCAI 2019, en Shenzhen, China, en octubre de 2019. Los 7 artículos completos presentados en iMIMIC 2019 y los 3 artículos completos presentados en ML-CDS 2019 fueron cuidadosamente revisados ​​y seleccionados entre 10 presentaciones para iMIMIC y numerosas presentaciones a ML-CDS. Los artículos de iMIMIC se centran en presentar los desafíos y oportunidades relacionados con el tema de la interpretabilidad de los sistemas de aprendizaje automático en el contexto de las imágenes médicas y la intervención asistida por computadora. 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: Second International Workshop on Interpretability of Machine Intelligence in Medical Image Computing (iMIMIC 2019) -- Testing the robustness of attribution methods for convolutional neural networks in MRI-based Alzheimer's disease classification -- UBS: A Dimension-Agnostic Metric for Concept Vector Interpretability Applied to Radiomics -- Generation of Multimodal Justification Using Visual Word Constraint Model for Explainable Computer-Aided Diagnosis -- Incorporating Task-Specific Structural Knowledge into CNNs for Brain Midline Shift Detection -- Guideline-based Additive Explanation for Computer-Aided Diagnosis of Lung Nodules -- Deep neural network or dermatologist? -- Towards Interpretability of Segmentation Networks by analyzing DeepDreams -- 9th International Workshop on Multimodal Learning for Clinical Decision Support (ML-CDS 2019) -- Towards Automatic Diagnosis from Multi-modal Medical Data -- Deep Learning based Multi-Modal Registration for Retinal Imaging.-Automated Enriched Medical Concept Generation for Chest X-ray Images. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Interpretability of Machine Intelligence in Medical Image Computing and Multimodal Learning for Clinical Decision Support : Second International Workshop, iMIMIC 2019, and 9th International Workshop, ML-CDS 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019, Proceedings [documento electrónico] / Suzuki, Kenji, ; Reyes, Mauricio, ; Syeda-Mahmood, Tanveer, ; Konukoglu, Ender, ; Glocker, Ben, ; Wiest, Roland, ; Gur, Yaniv, ; Greenspan, Hayit, ; Madabhushi, Anant,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XVI, 93 p. 40 ilustraciones, 35 ilustraciones en color. ISBN : 978-3-030-33850-3 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial  Informática de la Salud  Lenguajes formales y teoría de los autómatas  Visión por computador  Teoría de las máquinas  Informática Médica Clasificación: Resumen: Este libro constituye las actas conjuntas arbitradas del Segundo Taller Internacional sobre Interpretabilidad de la Inteligencia Artificial en Computación de Imágenes Médicas, iMIMIC 2019, y el 9º Taller Internacional sobre Aprendizaje Multimodal para el Apoyo a la Decisión Clínica, ML-CDS 2019, celebrado en conjunto con el 22º Taller Internacional Conferencia sobre imágenes médicas e intervención asistida por computadora, MICCAI 2019, en Shenzhen, China, en octubre de 2019. Los 7 artículos completos presentados en iMIMIC 2019 y los 3 artículos completos presentados en ML-CDS 2019 fueron cuidadosamente revisados ​​y seleccionados entre 10 presentaciones para iMIMIC y numerosas presentaciones a ML-CDS. Los artículos de iMIMIC se centran en presentar los desafíos y oportunidades relacionados con el tema de la interpretabilidad de los sistemas de aprendizaje automático en el contexto de las imágenes médicas y la intervención asistida por computadora. 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: Second International Workshop on Interpretability of Machine Intelligence in Medical Image Computing (iMIMIC 2019) -- Testing the robustness of attribution methods for convolutional neural networks in MRI-based Alzheimer's disease classification -- UBS: A Dimension-Agnostic Metric for Concept Vector Interpretability Applied to Radiomics -- Generation of Multimodal Justification Using Visual Word Constraint Model for Explainable Computer-Aided Diagnosis -- Incorporating Task-Specific Structural Knowledge into CNNs for Brain Midline Shift Detection -- Guideline-based Additive Explanation for Computer-Aided Diagnosis of Lung Nodules -- Deep neural network or dermatologist? -- Towards Interpretability of Segmentation Networks by analyzing DeepDreams -- 9th International Workshop on Multimodal Learning for Clinical Decision Support (ML-CDS 2019) -- Towards Automatic Diagnosis from Multi-modal Medical Data -- Deep Learning based Multi-Modal Registration for Retinal Imaging.-Automated Enriched Medical Concept Generation for Chest X-ray Images. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 2 / 2) Ver por página : 25 50 100 200