Autor Rekik, Islem
|
|
Documentos disponibles escritos por este autor (9)
Hacer una sugerencia Refinar búsquedaConnectomics in NeuroImaging / Wu, Guorong ; Rekik, Islem ; Schirmer, Markus D. ; Chung, Ai Wern ; Munsell, Brent
Título : Connectomics in NeuroImaging : Second International Workshop, CNI 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 20, 2018, Proceedings Tipo de documento: documento electrónico Autores: Wu, Guorong, ; Rekik, Islem, ; Schirmer, Markus D., ; Chung, Ai Wern, ; Munsell, Brent, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: X, 147 p. 63 ilustraciones, 51 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-00755-3 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 Visión por computador Unidades aritméticas y lógicas informáticas Informática Estadistica matematica Estructuras aritméticas y lógicas Probabilidad y Estadística en Informática Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del Segundo Taller Internacional sobre Conectómica en NeuroImaging, CNI 2018, celebrado junto con MICCAI 2018 en Granada, España, en septiembre de 2018. Los 15 artículos completos presentados fueron cuidadosamente revisados y seleccionados entre 20 presentaciones. Los artículos abordan nuevos avances en técnicas de construcción, análisis y visualización de redes en conectómica y su uso en diagnóstico clínico y estudios de comparación de grupos, así como en diversas aplicaciones de neuroimagen. Nota de contenido: Towards Ultra-high Resolution 3D Reconstruction of a Whole Rat Brain from 3D-PLI Data -- FOD-based Registration for Susceptibility Distortion Correction in Connectome Imaging -- GIFE: Efficient and Robust Group-wise Isometric Fiber Embedding -- Multi-Modal Brain Tensor Factorization: Preliminary Results with AD Patients -- Intact Connectional Morphometricity Learning Using Multi-View Morphological Brain Networks with Application to Autism Spectrum Disorder -- Neonatal Morphometric Similarity Networks Predict Atypical Brain Development Associated with Preterm Birth -- Heritability Estimation of Reliable Connectomic Features -- Topological Data Analysis of Functional MRI Connectivity in Time and Space Domains -- Riemannian Regression and Classification Models of Brain Networks Applied to Autism -- Defining Patient Specific Functional Parcellations in Lesional Cohorts via Markov Random Fields -- Data-Specific Feature Selection Method Identification for Most Reproducible Connectomic Feature Discovery Fingerprinting Brain States -- Towards Effective Functional Connectome Fingerprinting -- Connectivity-Driven Brain Parcellation via Consensus Clustering -- GRAND: Unbiased Connectome Atlas of Brain Network by Groupwise Graph Shrinkage and Network Diffusion -- Structural Subnetwork Evolution Across the Lifespan: Rich-club, Feeder, Seeder. 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 Connectomics in NeuroImaging : Second International Workshop, CNI 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 20, 2018, Proceedings [documento electrónico] / Wu, Guorong, ; Rekik, Islem, ; Schirmer, Markus D., ; Chung, Ai Wern, ; Munsell, Brent, . - 1 ed. . - [s.l.] : Springer, 2018 . - X, 147 p. 63 ilustraciones, 51 ilustraciones en color.
ISBN : 978-3-030-00755-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Visión por computador Unidades aritméticas y lógicas informáticas Informática Estadistica matematica Estructuras aritméticas y lógicas Probabilidad y Estadística en Informática Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del Segundo Taller Internacional sobre Conectómica en NeuroImaging, CNI 2018, celebrado junto con MICCAI 2018 en Granada, España, en septiembre de 2018. Los 15 artículos completos presentados fueron cuidadosamente revisados y seleccionados entre 20 presentaciones. Los artículos abordan nuevos avances en técnicas de construcción, análisis y visualización de redes en conectómica y su uso en diagnóstico clínico y estudios de comparación de grupos, así como en diversas aplicaciones de neuroimagen. Nota de contenido: Towards Ultra-high Resolution 3D Reconstruction of a Whole Rat Brain from 3D-PLI Data -- FOD-based Registration for Susceptibility Distortion Correction in Connectome Imaging -- GIFE: Efficient and Robust Group-wise Isometric Fiber Embedding -- Multi-Modal Brain Tensor Factorization: Preliminary Results with AD Patients -- Intact Connectional Morphometricity Learning Using Multi-View Morphological Brain Networks with Application to Autism Spectrum Disorder -- Neonatal Morphometric Similarity Networks Predict Atypical Brain Development Associated with Preterm Birth -- Heritability Estimation of Reliable Connectomic Features -- Topological Data Analysis of Functional MRI Connectivity in Time and Space Domains -- Riemannian Regression and Classification Models of Brain Networks Applied to Autism -- Defining Patient Specific Functional Parcellations in Lesional Cohorts via Markov Random Fields -- Data-Specific Feature Selection Method Identification for Most Reproducible Connectomic Feature Discovery Fingerprinting Brain States -- Towards Effective Functional Connectome Fingerprinting -- Connectivity-Driven Brain Parcellation via Consensus Clustering -- GRAND: Unbiased Connectome Atlas of Brain Network by Groupwise Graph Shrinkage and Network Diffusion -- Structural Subnetwork Evolution Across the Lifespan: Rich-club, Feeder, Seeder. 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 : Connectomics in NeuroImaging : Third International Workshop, CNI 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 13, 2019, Proceedings Tipo de documento: documento electrónico Autores: Schirmer, Markus D., ; Venkataraman, Archana, ; Rekik, Islem, ; Kim, Minjeong, ; Chung, Ai Wern, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: X, 139 p. 53 ilustraciones, 51 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-32391-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial Procesamiento de datos Ciencias de la Computación Procesamiento de imágenes Visión por computador Minería de datos y descubrimiento de conocimientos Modelos de Computación Imágenes por computadora visión reconocimiento de patrones y gráficos Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del Tercer Taller Internacional sobre Conectómica en NeuroImaging, CNI 2019, celebrado junto con MICCAI 2019 en Shenzhen, China, en octubre de 2019. Los 13 artículos completos presentados fueron cuidadosamente revisados y seleccionados entre 14 presentaciones. Los artículos abordan nuevos avances en técnicas de construcción, análisis y visualización de redes en conectómica y su uso en diagnóstico clínico y estudios de comparación de grupos, así como en diversas aplicaciones de neuroimagen. Nota de contenido: Unsupervised Feature Selection via Adaptive Embedding and Sparse Learning for Parkinson's Disease Diagnosis -- A Novel Graph Neural Network to Localize Eloquent Cortex in Brain Tumor Patients from Resting-State fMRI Connectivity -- Graph Morphology-Based Genetic Algorithm for Classifying Late Dementia States -- Covariance Shrinkage for Dynamic Functional Connectivity -- Rapid Acceleration of the Permutation Test via Transpositions -- Heat kernels with functional connectomes reveal atypical energy transport in peripheral subnetworks in autism -- A Mass Multivariate Edge-wise Approach for Combining Multiple Connectomes to Improve the Detection of Group Differences -- Adversarial Connectome Embedding for Mild Cognitive Impairment Identification using Cortical Morphological Networks -- A Machine Learning Framework for Accurate Functional Connectome Fingerprinting and an Application of a Siamese Network -- Test-Retest Reliability of Functional Networks for Evaluation of Data-Driven Parcellation.-Constraining Disease Progression Models Using Subject Specific Connectivity Priors -- Hemodynamic Matrix Factorization for Functional Magnetic Resonance Imaging -- Network Dependency Index Stratified Subnetwork Analysis of Functional Connectomes: An application to autism. 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 Connectomics in NeuroImaging : Third International Workshop, CNI 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 13, 2019, Proceedings [documento electrónico] / Schirmer, Markus D., ; Venkataraman, Archana, ; Rekik, Islem, ; Kim, Minjeong, ; Chung, Ai Wern, . - 1 ed. . - [s.l.] : Springer, 2019 . - X, 139 p. 53 ilustraciones, 51 ilustraciones en color.
ISBN : 978-3-030-32391-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Procesamiento de datos Ciencias de la Computación Procesamiento de imágenes Visión por computador Minería de datos y descubrimiento de conocimientos Modelos de Computación Imágenes por computadora visión reconocimiento de patrones y gráficos Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del Tercer Taller Internacional sobre Conectómica en NeuroImaging, CNI 2019, celebrado junto con MICCAI 2019 en Shenzhen, China, en octubre de 2019. Los 13 artículos completos presentados fueron cuidadosamente revisados y seleccionados entre 14 presentaciones. Los artículos abordan nuevos avances en técnicas de construcción, análisis y visualización de redes en conectómica y su uso en diagnóstico clínico y estudios de comparación de grupos, así como en diversas aplicaciones de neuroimagen. Nota de contenido: Unsupervised Feature Selection via Adaptive Embedding and Sparse Learning for Parkinson's Disease Diagnosis -- A Novel Graph Neural Network to Localize Eloquent Cortex in Brain Tumor Patients from Resting-State fMRI Connectivity -- Graph Morphology-Based Genetic Algorithm for Classifying Late Dementia States -- Covariance Shrinkage for Dynamic Functional Connectivity -- Rapid Acceleration of the Permutation Test via Transpositions -- Heat kernels with functional connectomes reveal atypical energy transport in peripheral subnetworks in autism -- A Mass Multivariate Edge-wise Approach for Combining Multiple Connectomes to Improve the Detection of Group Differences -- Adversarial Connectome Embedding for Mild Cognitive Impairment Identification using Cortical Morphological Networks -- A Machine Learning Framework for Accurate Functional Connectome Fingerprinting and an Application of a Siamese Network -- Test-Retest Reliability of Functional Networks for Evaluation of Data-Driven Parcellation.-Constraining Disease Progression Models Using Subject Specific Connectivity Priors -- Hemodynamic Matrix Factorization for Functional Magnetic Resonance Imaging -- Network Dependency Index Stratified Subnetwork Analysis of Functional Connectomes: An application to autism. 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 : Domain Adaptation and Representation Transfer, and Affordable Healthcare and AI for Resource Diverse Global Health : Third MICCAI Workshop, DART 2021, and First MICCAI Workshop, FAIR 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27 and October 1, 2021, Proceedings Tipo de documento: documento electrónico Autores: Albarqouni, Shadi, ; Cardoso, M. Jorge, ; Dou, Qi, ; Kamnitsas, Konstantinos, ; Khanal, Bishesh, ; Rekik, Islem, ; Rieke, Nicola, ; Sheet, Debdoot, ; Tsaftaris, Sotirios, ; Xu, Daguang, ; Xu, Ziyue, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XV, 264 p. 95 ilustraciones, 90 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-87722-4 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 Inteligencia artificial Bioinformática Informática Médica Biología Computacional y de Sistemas Informática de la Salud Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas arbitradas del Tercer Taller MICCAI sobre Adaptación de Dominios y Transferencia de Representación, DART 2021, y el Primer Taller MICCAI sobre Atención Médica Asequible e IA para la Salud Global con Diversidad de Recursos, FAIR 2021, celebrado junto con MICCAI 2021, en septiembre/octubre de 2021. Los talleres estaban previstos para realizarse en Estrasburgo, Francia, pero se realizaron de forma virtual debido a la pandemia de COVID-19. DART 2021 aceptó 13 artículos de las 21 presentaciones recibidas. El taller tiene como objetivo crear un foro de debate para comparar, evaluar y discutir los avances metodológicos y las ideas que pueden mejorar la aplicabilidad de los enfoques de aprendizaje automático (ML)/aprendizaje profundo (DL) en el entorno clínico al hacerlos robustos y consistentes en diferentes dominios. Para FAIR 2021, se aceptaron para su publicación 10 artículos de 17 presentaciones. Se centran en la traducción de imagen a imagen, en particular para entornos de baja dosis o baja resolución; la compacidad y compresión del modelo; Adaptación de dominio y aprendizaje por transferencia; aprendizaje activo, continuo y metaaprendizaje. Nota de contenido: Domain Adaptation and Representation Transfer -- A Systematic Benchmarking Analysis of Transfer Learning for Medical Image Analysis -- Self-supervised Multi-scale Consistency for Weakly Supervised Segmentation Learning -- FDA: Feature Decomposition and Aggregation for Robust Airway Segmentation -- Adversarial Continual Learning for Multi-Domain Hippocampal Segmentation -- Self-Supervised Multimodal Generalized Zero Shot Learning For Gleason Grading -- Self-Supervised Learning of Inter-Label Geometric Relationships For Gleason Grade Segmentation -- Stop Throwing Away Discriminators! Re-using Adversaries for Test-Time Training -- Transductive image segmentation: Self-training and effect of uncertainty estimation -- Unsupervised Domain Adaptation with Semantic Consistency across Heterogeneous Modalities for MRI Prostate Lesion Segmentation -- Cohort Bias Adaptation in Federated Datasets for Lesion Segmentation -- Exploring Deep Registration Latent Spaces -- Learning from Partially Overlapping Labels: Image Segmentation under Annotation Shift -- Unsupervised Domain Adaption via Similarity-based Prototypes for Cross-Modality Segmentation -- A ordable AI and Healthcare -- Classification and Generation of Microscopy Images with Plasmodium Falciparum via Arti cial Neural Networks using Low Cost Settings -- Contrast and Resolution Improvement of POCUS Using Self-Consistent CycleGAN -- Low-Dose Dynamic CT Perfusion Denoising without Training Data -- Recurrent Brain Graph Mapper for Predicting Time-Dependent Brain Graph Evaluation Trajectory -- COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19Patient Cases from Point-of-care Ultrasound Imaging -- Inter-Domain Alignment for Predicting High-Resolution Brain Networks Using Teacher-Student Learning -- Sickle Cell Disease Severity Prediction from Percoll Gradient Images using Graph Convolutional Networks -- Continual Domain Incremental Learning for Chest X-ray Classificationin Low-Resource Clinical Settings -- Deep learning based Automatic detection of adequately positioned mammograms -- Can non-specialists provide high quality Gold standard labels in challenging modalities. 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 Domain Adaptation and Representation Transfer, and Affordable Healthcare and AI for Resource Diverse Global Health : Third MICCAI Workshop, DART 2021, and First MICCAI Workshop, FAIR 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27 and October 1, 2021, Proceedings [documento electrónico] / Albarqouni, Shadi, ; Cardoso, M. Jorge, ; Dou, Qi, ; Kamnitsas, Konstantinos, ; Khanal, Bishesh, ; Rekik, Islem, ; Rieke, Nicola, ; Sheet, Debdoot, ; Tsaftaris, Sotirios, ; Xu, Daguang, ; Xu, Ziyue, . - 1 ed. . - [s.l.] : Springer, 2021 . - XV, 264 p. 95 ilustraciones, 90 ilustraciones en color.
ISBN : 978-3-030-87722-4
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 Inteligencia artificial Bioinformática Informática Médica Biología Computacional y de Sistemas Informática de la Salud Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas arbitradas del Tercer Taller MICCAI sobre Adaptación de Dominios y Transferencia de Representación, DART 2021, y el Primer Taller MICCAI sobre Atención Médica Asequible e IA para la Salud Global con Diversidad de Recursos, FAIR 2021, celebrado junto con MICCAI 2021, en septiembre/octubre de 2021. Los talleres estaban previstos para realizarse en Estrasburgo, Francia, pero se realizaron de forma virtual debido a la pandemia de COVID-19. DART 2021 aceptó 13 artículos de las 21 presentaciones recibidas. El taller tiene como objetivo crear un foro de debate para comparar, evaluar y discutir los avances metodológicos y las ideas que pueden mejorar la aplicabilidad de los enfoques de aprendizaje automático (ML)/aprendizaje profundo (DL) en el entorno clínico al hacerlos robustos y consistentes en diferentes dominios. Para FAIR 2021, se aceptaron para su publicación 10 artículos de 17 presentaciones. Se centran en la traducción de imagen a imagen, en particular para entornos de baja dosis o baja resolución; la compacidad y compresión del modelo; Adaptación de dominio y aprendizaje por transferencia; aprendizaje activo, continuo y metaaprendizaje. Nota de contenido: Domain Adaptation and Representation Transfer -- A Systematic Benchmarking Analysis of Transfer Learning for Medical Image Analysis -- Self-supervised Multi-scale Consistency for Weakly Supervised Segmentation Learning -- FDA: Feature Decomposition and Aggregation for Robust Airway Segmentation -- Adversarial Continual Learning for Multi-Domain Hippocampal Segmentation -- Self-Supervised Multimodal Generalized Zero Shot Learning For Gleason Grading -- Self-Supervised Learning of Inter-Label Geometric Relationships For Gleason Grade Segmentation -- Stop Throwing Away Discriminators! Re-using Adversaries for Test-Time Training -- Transductive image segmentation: Self-training and effect of uncertainty estimation -- Unsupervised Domain Adaptation with Semantic Consistency across Heterogeneous Modalities for MRI Prostate Lesion Segmentation -- Cohort Bias Adaptation in Federated Datasets for Lesion Segmentation -- Exploring Deep Registration Latent Spaces -- Learning from Partially Overlapping Labels: Image Segmentation under Annotation Shift -- Unsupervised Domain Adaption via Similarity-based Prototypes for Cross-Modality Segmentation -- A ordable AI and Healthcare -- Classification and Generation of Microscopy Images with Plasmodium Falciparum via Arti cial Neural Networks using Low Cost Settings -- Contrast and Resolution Improvement of POCUS Using Self-Consistent CycleGAN -- Low-Dose Dynamic CT Perfusion Denoising without Training Data -- Recurrent Brain Graph Mapper for Predicting Time-Dependent Brain Graph Evaluation Trajectory -- COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19Patient Cases from Point-of-care Ultrasound Imaging -- Inter-Domain Alignment for Predicting High-Resolution Brain Networks Using Teacher-Student Learning -- Sickle Cell Disease Severity Prediction from Percoll Gradient Images using Graph Convolutional Networks -- Continual Domain Incremental Learning for Chest X-ray Classificationin Low-Resource Clinical Settings -- Deep learning based Automatic detection of adequately positioned mammograms -- Can non-specialists provide high quality Gold standard labels in challenging modalities. 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 : Machine Learning in Medical Imaging : 12th International Workshop, MLMI 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings Tipo de documento: documento electrónico Autores: Lian, Chunfeng, ; Cao, Xiaohuan, ; Rekik, Islem, ; Xu, Xuanang, ; Yan, Pingkun, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XVIII, 704 p. 248 ilustraciones, 232 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-87589-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Visión por computador Inteligencia artificial Ingeniería Informática Red de computadoras Sistemas de reconocimiento de patrones Bioinformática Ingeniería Informática y Redes Reconocimiento de patrones automatizado Biología Computacional y de Sistemas Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas del 12.º Taller internacional sobre aprendizaje automático en imágenes médicas, MLMI 2021, celebrado junto con MICCAI 2021, en Estrasburgo, Francia, en septiembre de 2021.* Los 71 artículos presentados en este volumen fueron cuidadosamente revisados y seleccionados de 92 presentaciones. Se centran en las principales tendencias y desafíos en el área mencionada anteriormente, con el objetivo de identificar nuevas técnicas de vanguardia y sus usos en imágenes médicas. Los temas tratados son: aprendizaje profundo, aprendizaje generativo adversario, aprendizaje conjunto, aprendizaje disperso, aprendizaje multitarea, aprendizaje multivista, aprendizaje múltiple y aprendizaje por refuerzo, con sus aplicaciones al análisis de imágenes médicas, detección y diagnóstico asistido por computadora, fusión multimodal, reconstrucción de imágenes, recuperación de imágenes, análisis de imágenes celulares, imágenes moleculares, patología digital, etc. *El taller se realizó de manera virtual. 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 Machine Learning in Medical Imaging : 12th International Workshop, MLMI 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings [documento electrónico] / Lian, Chunfeng, ; Cao, Xiaohuan, ; Rekik, Islem, ; Xu, Xuanang, ; Yan, Pingkun, . - 1 ed. . - [s.l.] : Springer, 2021 . - XVIII, 704 p. 248 ilustraciones, 232 ilustraciones en color.
ISBN : 978-3-030-87589-3
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 Inteligencia artificial Ingeniería Informática Red de computadoras Sistemas de reconocimiento de patrones Bioinformática Ingeniería Informática y Redes Reconocimiento de patrones automatizado Biología Computacional y de Sistemas Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas del 12.º Taller internacional sobre aprendizaje automático en imágenes médicas, MLMI 2021, celebrado junto con MICCAI 2021, en Estrasburgo, Francia, en septiembre de 2021.* Los 71 artículos presentados en este volumen fueron cuidadosamente revisados y seleccionados de 92 presentaciones. Se centran en las principales tendencias y desafíos en el área mencionada anteriormente, con el objetivo de identificar nuevas técnicas de vanguardia y sus usos en imágenes médicas. Los temas tratados son: aprendizaje profundo, aprendizaje generativo adversario, aprendizaje conjunto, aprendizaje disperso, aprendizaje multitarea, aprendizaje multivista, aprendizaje múltiple y aprendizaje por refuerzo, con sus aplicaciones al análisis de imágenes médicas, detección y diagnóstico asistido por computadora, fusión multimodal, reconstrucción de imágenes, recuperación de imágenes, análisis de imágenes celulares, imágenes moleculares, patología digital, etc. *El taller se realizó de manera virtual. 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 : Predictive Intelligence in Medicine : 4th International Workshop, PRIME 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, October 1, 2021, Proceedings Tipo de documento: documento electrónico Autores: Rekik, Islem, ; Adeli, Ehsan, ; Park, Sang Hyun, ; Schnabel, Julia, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XIII, 280 p. 80 ilustraciones, 68 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-87602-9 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 Bioinformática Biología Computacional y de Sistemas Ingeniería Informática y Redes Red informática Ingeniería Informática Visión por computador Visión Procesamiento de imágenes Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas del 4.º Taller Internacional sobre Inteligencia Predictiva en Medicina, PRIME 2021, celebrado junto con MICCAI 2021, en Estrasburgo, Francia, en octubre de 2021.* Los 25 artículos presentados en este volumen fueron cuidadosamente revisados y seleccionados para su inclusión. en este libro. Las contribuciones describen nuevos modelos y métodos predictivos de vanguardia que resuelven problemas desafiantes en el campo médico para una medicina predictiva de alta precisión. *El taller se realizó de manera virtual. Nota de contenido: Self-Supervised Learning based CT Denoising using Pseudo-CT Image Pairs -- A Few-shot Learning Graph Multi-Trajectory Evolution Network for Forecasting Multimodal Baby Connectivity Development from a Baseline Timepoint -- One Representative-Shot Learning Using a Population-Driven Template with Application to Brain Connectivity Classification and Evolution Prediction -- Mixing-AdaSIN: Constructing a De-biased Dataset using Adaptive Structural Instance Normalization and Texture Mixing -- Liver Tumor Localization and Characterization from Multi-Phase MR Volumes Using Key-Slice Prediction: A Physician-Inspired Approach -- Improving Tuberculosis Recognition on Bone-Suppressed Chest X-rays Guided by Task-Specific Features -- Template-Based Inter-modality Super-resolution of Brain Connectivity -- Adversarial Bayesian Optimization for Quantifying Motion Artifact within MRI -- False Positive Suppression in Cervical Cell Screening via Attention-Guided Semi-Supervised Learning -- Investigating and Quantifying the Reproducibility of Graph Neural Networks in Predictive Medicine -- Self Supervised Contrastive Learning on Multiple Breast Modalities Boosts Classification Performance -- Self-Guided Multi-Attention Network for Periventricular Leukomalacia Recognition -- Opportunistic Screening of Osteoporosis Using Plain Film Chest X-ray -- Multi-Task Deep Segmentation and Radiomics for Automatic Prognosis in Head and Neck Cancer -- Integrating Multimodal MRIs for Adult ADHD Identification with Heterogeneous Graph Attention Convolutional Network -- Probabilistic Deep Learning with Adversarial Training and Volume Interval Estimation – Better Ways to Perform and Evaluate Predictive Models for White Matter Hyperintensities Evolution -- A Multi-scale Capsule Network for Improving Diagnostic Generalizability in Breast Cancer Diagnosis using Ultrasonography -- Prediction of Pathological Complete Response to Neoadjuvant Chemotherapy using Multi-scale Patch Learning with Mammography -- The Pitfalls of SampleSelection: A Case Study on Lung Nodule Classification -- Anatomical Structure-aware Pulmonary Nodule Detection via Parallel Multi-Task RoI Head -- Towards Cancer Patients Classification Using Liquid Biopsy -- Foreseeing Survival through `Fuzzy Intelligence': A cognitively-inspired incremental learning based de novo model for Breast Cancer Prognosis by multi-omics data fusion -- Improving Across Dataset Brain Age Predictions using Transfer Learning -- Uncertainty-Based Dynamic Graph Neighborhoods For Medical Segmentation -- FLAT-Net: Longitudinal Brain Graph Evolution Prediction from a Few Training Representative Templates. 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 Predictive Intelligence in Medicine : 4th International Workshop, PRIME 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, October 1, 2021, Proceedings [documento electrónico] / Rekik, Islem, ; Adeli, Ehsan, ; Park, Sang Hyun, ; Schnabel, Julia, . - 1 ed. . - [s.l.] : Springer, 2021 . - XIII, 280 p. 80 ilustraciones, 68 ilustraciones en color.
ISBN : 978-3-030-87602-9
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Bioinformática Biología Computacional y de Sistemas Ingeniería Informática y Redes Red informática Ingeniería Informática Visión por computador Visión Procesamiento de imágenes Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas del 4.º Taller Internacional sobre Inteligencia Predictiva en Medicina, PRIME 2021, celebrado junto con MICCAI 2021, en Estrasburgo, Francia, en octubre de 2021.* Los 25 artículos presentados en este volumen fueron cuidadosamente revisados y seleccionados para su inclusión. en este libro. Las contribuciones describen nuevos modelos y métodos predictivos de vanguardia que resuelven problemas desafiantes en el campo médico para una medicina predictiva de alta precisión. *El taller se realizó de manera virtual. Nota de contenido: Self-Supervised Learning based CT Denoising using Pseudo-CT Image Pairs -- A Few-shot Learning Graph Multi-Trajectory Evolution Network for Forecasting Multimodal Baby Connectivity Development from a Baseline Timepoint -- One Representative-Shot Learning Using a Population-Driven Template with Application to Brain Connectivity Classification and Evolution Prediction -- Mixing-AdaSIN: Constructing a De-biased Dataset using Adaptive Structural Instance Normalization and Texture Mixing -- Liver Tumor Localization and Characterization from Multi-Phase MR Volumes Using Key-Slice Prediction: A Physician-Inspired Approach -- Improving Tuberculosis Recognition on Bone-Suppressed Chest X-rays Guided by Task-Specific Features -- Template-Based Inter-modality Super-resolution of Brain Connectivity -- Adversarial Bayesian Optimization for Quantifying Motion Artifact within MRI -- False Positive Suppression in Cervical Cell Screening via Attention-Guided Semi-Supervised Learning -- Investigating and Quantifying the Reproducibility of Graph Neural Networks in Predictive Medicine -- Self Supervised Contrastive Learning on Multiple Breast Modalities Boosts Classification Performance -- Self-Guided Multi-Attention Network for Periventricular Leukomalacia Recognition -- Opportunistic Screening of Osteoporosis Using Plain Film Chest X-ray -- Multi-Task Deep Segmentation and Radiomics for Automatic Prognosis in Head and Neck Cancer -- Integrating Multimodal MRIs for Adult ADHD Identification with Heterogeneous Graph Attention Convolutional Network -- Probabilistic Deep Learning with Adversarial Training and Volume Interval Estimation – Better Ways to Perform and Evaluate Predictive Models for White Matter Hyperintensities Evolution -- A Multi-scale Capsule Network for Improving Diagnostic Generalizability in Breast Cancer Diagnosis using Ultrasonography -- Prediction of Pathological Complete Response to Neoadjuvant Chemotherapy using Multi-scale Patch Learning with Mammography -- The Pitfalls of SampleSelection: A Case Study on Lung Nodule Classification -- Anatomical Structure-aware Pulmonary Nodule Detection via Parallel Multi-Task RoI Head -- Towards Cancer Patients Classification Using Liquid Biopsy -- Foreseeing Survival through `Fuzzy Intelligence': A cognitively-inspired incremental learning based de novo model for Breast Cancer Prognosis by multi-omics data fusion -- Improving Across Dataset Brain Age Predictions using Transfer Learning -- Uncertainty-Based Dynamic Graph Neighborhoods For Medical Segmentation -- FLAT-Net: Longitudinal Brain Graph Evolution Prediction from a Few Training Representative Templates. 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
Permalink
Permalink
