Información del autor
Autor Deka, Bhabesh |
Documentos disponibles escritos por este autor (3)
Crear una solicitud de compra Refinar búsqueda
TÃtulo : Compressed Sensing Magnetic Resonance Image Reconstruction Algorithms : A Convex Optimization Approach Tipo de documento: documento electrónico Autores: Deka, Bhabesh, ; Datta, Sumit, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2019 Número de páginas: XIII, 122 p. 38 ilustraciones, 23 ilustraciones en color. ISBN/ISSN/DL: 978-981-1335976-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de la señal IngenierÃa Biomédica RadiologÃa Procesamiento de señales voz e imágenes IngenierÃa Biomédica y BioingenierÃa Clasificación: 621.382 Telecomunicaciones Resumen: Este libro presenta una revisión exhaustiva de los desarrollos recientes en algoritmos rápidos de reconstrucción de imágenes por resonancia magnética de detección comprimida (CS) basados ​​en la regularización de la norma L1. La resonancia magnética con detección comprimida (CS-MRI) puede reducir considerablemente el tiempo de exploración de la resonancia magnética, ya que es posible reconstruir imágenes de resonancia magnética a partir de solo unas pocas mediciones en el espacio k; muy por debajo de los requisitos de la frecuencia de muestreo de Nyquist. Los problemas de regularización basados ​​en normas L1 se pueden resolver eficientemente utilizando técnicas de optimización convexa de última generación, que en general superan a las técnicas codiciosas en términos de calidad de reconstrucciones. Recientemente, se han desarrollado algoritmos de reconstrucción basados ​​en optimización convexa rápida que también pueden alcanzar los puntos de referencia para el uso de CS-MRI en la práctica clÃnica. Este libro permite a los estudiantes de posgrado, investigadores y profesionales médicos que trabajan en el campo del procesamiento de imágenes médicas, particularmente en resonancia magnética, comprender la necesidad de la CS en la resonancia magnética y, por lo tanto, cómo podrÃa revolucionar la obtención de imágenes de tejidos blandos para beneficiar la tecnologÃa de la atención médica sin hacer grandes esfuerzos. cambios en el hardware del escáner existente. SerÃa particularmente útil para investigadores que acaban de ingresar al apasionante campo de CS-MRI y quisieran repasar rápidamente los desarrollos hasta la fecha sin sumergirse en el análisis matemático detallado. Finalmente, también analiza las tendencias recientes y las direcciones de investigación futuras para la implementación de CS-MRI en la práctica clÃnica, particularmente en aplicaciones de bioinformática y neuroinformática. Nota de contenido: 1. Introduction to Compressed Sensing Magnetic Resonance Imaging -- 2. Compressed Sensing MRI Reconstruction Problem -- 3. Fast Algorithms for Compressed Sensing MRI Reconstruction -- 4. Simulation Results -- 5. Performance Evaluation and Benchmark Setting -- 6. Conclusions and Future Directions. Tipo de medio : Computadora Summary : This book presents a comprehensive review of the recent developments in fast L1-norm regularization-based compressed sensing (CS) magnetic resonance image reconstruction algorithms. Compressed sensing magnetic resonance imaging (CS-MRI) is able to reduce the scan time of MRI considerably as it is possible to reconstruct MR images from only a few measurements in the k-space; far below the requirements of the Nyquist sampling rate. L1-norm-based regularization problems can be solved efficiently using the state-of-the-art convex optimization techniques, which in general outperform the greedy techniques in terms of quality of reconstructions. Recently, fast convex optimization based reconstruction algorithms have been developed which are also able to achieve the benchmarks for the use of CS-MRI in clinical practice. This book enables graduate students, researchers, and medical practitioners working in the field of medical image processing, particularly in MRI to understand the need for the CS in MRI, and thereby how it could revolutionize the soft tissue imaging to benefit healthcare technology without making major changes in the existing scanner hardware. It would be particularly useful for researchers who have just entered into the exciting field of CS-MRI and would like to quickly go through the developments to date without diving into the detailed mathematical analysis. Finally, it also discusses recent trends and future research directions for implementation of CS-MRI in clinical practice, particularly in Bio- and Neuro-informatics applications. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Compressed Sensing Magnetic Resonance Image Reconstruction Algorithms : A Convex Optimization Approach [documento electrónico] / Deka, Bhabesh, ; Datta, Sumit, . - 1 ed. . - Singapore [Malasia] : Springer, 2019 . - XIII, 122 p. 38 ilustraciones, 23 ilustraciones en color.
ISBN : 978-981-1335976--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Procesamiento de la señal IngenierÃa Biomédica RadiologÃa Procesamiento de señales voz e imágenes IngenierÃa Biomédica y BioingenierÃa Clasificación: 621.382 Telecomunicaciones Resumen: Este libro presenta una revisión exhaustiva de los desarrollos recientes en algoritmos rápidos de reconstrucción de imágenes por resonancia magnética de detección comprimida (CS) basados ​​en la regularización de la norma L1. La resonancia magnética con detección comprimida (CS-MRI) puede reducir considerablemente el tiempo de exploración de la resonancia magnética, ya que es posible reconstruir imágenes de resonancia magnética a partir de solo unas pocas mediciones en el espacio k; muy por debajo de los requisitos de la frecuencia de muestreo de Nyquist. Los problemas de regularización basados ​​en normas L1 se pueden resolver eficientemente utilizando técnicas de optimización convexa de última generación, que en general superan a las técnicas codiciosas en términos de calidad de reconstrucciones. Recientemente, se han desarrollado algoritmos de reconstrucción basados ​​en optimización convexa rápida que también pueden alcanzar los puntos de referencia para el uso de CS-MRI en la práctica clÃnica. Este libro permite a los estudiantes de posgrado, investigadores y profesionales médicos que trabajan en el campo del procesamiento de imágenes médicas, particularmente en resonancia magnética, comprender la necesidad de la CS en la resonancia magnética y, por lo tanto, cómo podrÃa revolucionar la obtención de imágenes de tejidos blandos para beneficiar la tecnologÃa de la atención médica sin hacer grandes esfuerzos. cambios en el hardware del escáner existente. SerÃa particularmente útil para investigadores que acaban de ingresar al apasionante campo de CS-MRI y quisieran repasar rápidamente los desarrollos hasta la fecha sin sumergirse en el análisis matemático detallado. Finalmente, también analiza las tendencias recientes y las direcciones de investigación futuras para la implementación de CS-MRI en la práctica clÃnica, particularmente en aplicaciones de bioinformática y neuroinformática. Nota de contenido: 1. Introduction to Compressed Sensing Magnetic Resonance Imaging -- 2. Compressed Sensing MRI Reconstruction Problem -- 3. Fast Algorithms for Compressed Sensing MRI Reconstruction -- 4. Simulation Results -- 5. Performance Evaluation and Benchmark Setting -- 6. Conclusions and Future Directions. Tipo de medio : Computadora Summary : This book presents a comprehensive review of the recent developments in fast L1-norm regularization-based compressed sensing (CS) magnetic resonance image reconstruction algorithms. Compressed sensing magnetic resonance imaging (CS-MRI) is able to reduce the scan time of MRI considerably as it is possible to reconstruct MR images from only a few measurements in the k-space; far below the requirements of the Nyquist sampling rate. L1-norm-based regularization problems can be solved efficiently using the state-of-the-art convex optimization techniques, which in general outperform the greedy techniques in terms of quality of reconstructions. Recently, fast convex optimization based reconstruction algorithms have been developed which are also able to achieve the benchmarks for the use of CS-MRI in clinical practice. This book enables graduate students, researchers, and medical practitioners working in the field of medical image processing, particularly in MRI to understand the need for the CS in MRI, and thereby how it could revolutionize the soft tissue imaging to benefit healthcare technology without making major changes in the existing scanner hardware. It would be particularly useful for researchers who have just entered into the exciting field of CS-MRI and would like to quickly go through the developments to date without diving into the detailed mathematical analysis. Finally, it also discusses recent trends and future research directions for implementation of CS-MRI in clinical practice, particularly in Bio- and Neuro-informatics applications. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Pattern Recognition and Machine Intelligence / Deka, Bhabesh ; Maji, Pradipta ; Mitra, Sushmita ; Bhattacharyya, Dhruba Kumar ; Bora, Prabin Kumar ; Pal, Sankar Kumar
TÃtulo : Pattern Recognition and Machine Intelligence : 8th International Conference, PReMI 2019, Tezpur, India, December 17-20, 2019, Proceedings, Part I Tipo de documento: documento electrónico Autores: Deka, Bhabesh, ; Maji, Pradipta, ; Mitra, Sushmita, ; Bhattacharyya, Dhruba Kumar, ; Bora, Prabin Kumar, ; Pal, Sankar Kumar, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: L, 637 p. 345 ilustraciones, 219 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-34869-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial Procesamiento de datos MinerÃa de datos y descubrimiento de conocimientos Reconocimiento de patrones automatizado Visión por computador Algoritmo Informática Sistemas de reconocimiento de patrones TeorÃa de la Computación Clasificación: 40.151 Resumen: El conjunto de dos volúmenes de LNCS 11941 y 11942 constituye las actas arbitradas de la 8.ª Conferencia Internacional sobre Reconocimiento de Patrones e Inteligencia Artificial, PReMI 2019, celebrada en Tezpur, India, en diciembre de 2019. Los 131 artÃculos completos revisados ​​presentados fueron cuidadosamente revisados ​​y seleccionados. de 341 presentaciones. Están organizados en secciones temáticas denominadas: Reconocimiento de patrones; Aprendizaje automático; Aprendizaje profundo; Computación Suave y Evolutiva; Procesamiento de imágenes; Procesamiento de Imágenes Médicas; Bioinformática y Procesamiento de Señales Biomédicas; Recuperación de información; Sensores remotos; Procesamiento de Señales y VÃdeo; y Sensores Inteligentes e Inteligentes. Nota de contenido: Pattern Recognition -- Machine Learning -- Deep Learning -- Soft and Evolutionary Computing -- Image Processing.-Medical Image Processing -- Bioinformatics and Biomedical Signal Processing -- Information Retrieval -- Remote Sensing -- Signal and Video Processing -- Smart and Intelligent Sensors. Tipo de medio : Computadora Summary : The two-volume set of LNCS 11941 and 11942 constitutes the refereed proceedings of the 8th International Conference on Pattern Recognition and Machine Intelligence, PReMI 2019, held in Tezpur, India, in December 2019. The 131 revised full papers presented were carefully reviewed and selected from 341 submissions. They are organized in topical sections named: Pattern Recognition; Machine Learning; Deep Learning; Soft and Evolutionary Computing; Image Processing; Medical Image Processing; Bioinformatics and Biomedical Signal Processing; Information Retrieval; Remote Sensing; Signal and Video Processing; and Smart and Intelligent Sensors. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Pattern Recognition and Machine Intelligence : 8th International Conference, PReMI 2019, Tezpur, India, December 17-20, 2019, Proceedings, Part I [documento electrónico] / Deka, Bhabesh, ; Maji, Pradipta, ; Mitra, Sushmita, ; Bhattacharyya, Dhruba Kumar, ; Bora, Prabin Kumar, ; Pal, Sankar Kumar, . - 1 ed. . - [s.l.] : Springer, 2019 . - L, 637 p. 345 ilustraciones, 219 ilustraciones en color.
ISBN : 978-3-030-34869-4
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Inteligencia artificial Procesamiento de datos MinerÃa de datos y descubrimiento de conocimientos Reconocimiento de patrones automatizado Visión por computador Algoritmo Informática Sistemas de reconocimiento de patrones TeorÃa de la Computación Clasificación: 40.151 Resumen: El conjunto de dos volúmenes de LNCS 11941 y 11942 constituye las actas arbitradas de la 8.ª Conferencia Internacional sobre Reconocimiento de Patrones e Inteligencia Artificial, PReMI 2019, celebrada en Tezpur, India, en diciembre de 2019. Los 131 artÃculos completos revisados ​​presentados fueron cuidadosamente revisados ​​y seleccionados. de 341 presentaciones. Están organizados en secciones temáticas denominadas: Reconocimiento de patrones; Aprendizaje automático; Aprendizaje profundo; Computación Suave y Evolutiva; Procesamiento de imágenes; Procesamiento de Imágenes Médicas; Bioinformática y Procesamiento de Señales Biomédicas; Recuperación de información; Sensores remotos; Procesamiento de Señales y VÃdeo; y Sensores Inteligentes e Inteligentes. Nota de contenido: Pattern Recognition -- Machine Learning -- Deep Learning -- Soft and Evolutionary Computing -- Image Processing.-Medical Image Processing -- Bioinformatics and Biomedical Signal Processing -- Information Retrieval -- Remote Sensing -- Signal and Video Processing -- Smart and Intelligent Sensors. Tipo de medio : Computadora Summary : The two-volume set of LNCS 11941 and 11942 constitutes the refereed proceedings of the 8th International Conference on Pattern Recognition and Machine Intelligence, PReMI 2019, held in Tezpur, India, in December 2019. The 131 revised full papers presented were carefully reviewed and selected from 341 submissions. They are organized in topical sections named: Pattern Recognition; Machine Learning; Deep Learning; Soft and Evolutionary Computing; Image Processing; Medical Image Processing; Bioinformatics and Biomedical Signal Processing; Information Retrieval; Remote Sensing; Signal and Video Processing; and Smart and Intelligent Sensors. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Pattern Recognition and Machine Intelligence : 8th International Conference, PReMI 2019, Tezpur, India, December 17-20, 2019, Proceedings, Part II Tipo de documento: documento electrónico Autores: Deka, Bhabesh, ; Maji, Pradipta, ; Mitra, Sushmita, ; Bhattacharyya, Dhruba Kumar, ; Bora, Prabin Kumar, ; Pal, Sankar Kumar, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: L, 583 p. 326 ilustraciones, 183 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-34872-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Information storage and retrieval MinerÃa de datos y descubrimiento de conocimientos Visión por computador Inteligencia artificial TeorÃa de la Computación Procesamiento de datos Sistemas de almacenamiento y recuperación de información. Informática Red informática Redes de comunicación informática Clasificación: 40.151 Resumen: El conjunto de dos volúmenes de LNCS 11941 y 11942 constituye las actas arbitradas de la 8.ª Conferencia Internacional sobre Reconocimiento de Patrones e Inteligencia Artificial, PReMI 2019, celebrada en Tezpur, India, en diciembre de 2019. Los 131 artÃculos completos revisados ​​presentados fueron cuidadosamente revisados ​​y seleccionados. de 341 presentaciones. Están organizados en secciones temáticas denominadas: Reconocimiento de patrones; Aprendizaje automático; Aprendizaje profundo; Computación Suave y Evolutiva; Procesamiento de imágenes; Procesamiento de Imágenes Médicas; Bioinformática y Procesamiento de Señales Biomédicas; Recuperación de información; Sensores remotos; Procesamiento de Señales y VÃdeo; y Sensores Inteligentes e Inteligentes. Nota de contenido: Pattern Recognition -- Machine Learning -- Deep Learning -- Soft and Evolutionary Computing -- Image Processing.-Medical Image Processing -- Bioinformatics and Biomedical Signal Processing -- Information Retrieval -- Remote Sensing -- Signal and Video Processing -- Smart and Intelligent Sensors. Tipo de medio : Computadora Summary : The two-volume set of LNCS 11941 and 11942 constitutes the refereed proceedings of the 8th International Conference on Pattern Recognition and Machine Intelligence, PReMI 2019, held in Tezpur, India, in December 2019. The 131 revised full papers presented were carefully reviewed and selected from 341 submissions. They are organized in topical sections named: Pattern Recognition; Machine Learning; Deep Learning; Soft and Evolutionary Computing; Image Processing; Medical Image Processing; Bioinformatics and Biomedical Signal Processing; Information Retrieval; Remote Sensing; Signal and Video Processing; and Smart and Intelligent Sensors. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Pattern Recognition and Machine Intelligence : 8th International Conference, PReMI 2019, Tezpur, India, December 17-20, 2019, Proceedings, Part II [documento electrónico] / Deka, Bhabesh, ; Maji, Pradipta, ; Mitra, Sushmita, ; Bhattacharyya, Dhruba Kumar, ; Bora, Prabin Kumar, ; Pal, Sankar Kumar, . - 1 ed. . - [s.l.] : Springer, 2019 . - L, 583 p. 326 ilustraciones, 183 ilustraciones en color.
ISBN : 978-3-030-34872-4
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Information storage and retrieval MinerÃa de datos y descubrimiento de conocimientos Visión por computador Inteligencia artificial TeorÃa de la Computación Procesamiento de datos Sistemas de almacenamiento y recuperación de información. Informática Red informática Redes de comunicación informática Clasificación: 40.151 Resumen: El conjunto de dos volúmenes de LNCS 11941 y 11942 constituye las actas arbitradas de la 8.ª Conferencia Internacional sobre Reconocimiento de Patrones e Inteligencia Artificial, PReMI 2019, celebrada en Tezpur, India, en diciembre de 2019. Los 131 artÃculos completos revisados ​​presentados fueron cuidadosamente revisados ​​y seleccionados. de 341 presentaciones. Están organizados en secciones temáticas denominadas: Reconocimiento de patrones; Aprendizaje automático; Aprendizaje profundo; Computación Suave y Evolutiva; Procesamiento de imágenes; Procesamiento de Imágenes Médicas; Bioinformática y Procesamiento de Señales Biomédicas; Recuperación de información; Sensores remotos; Procesamiento de Señales y VÃdeo; y Sensores Inteligentes e Inteligentes. Nota de contenido: Pattern Recognition -- Machine Learning -- Deep Learning -- Soft and Evolutionary Computing -- Image Processing.-Medical Image Processing -- Bioinformatics and Biomedical Signal Processing -- Information Retrieval -- Remote Sensing -- Signal and Video Processing -- Smart and Intelligent Sensors. Tipo de medio : Computadora Summary : The two-volume set of LNCS 11941 and 11942 constitutes the refereed proceedings of the 8th International Conference on Pattern Recognition and Machine Intelligence, PReMI 2019, held in Tezpur, India, in December 2019. The 131 revised full papers presented were carefully reviewed and selected from 341 submissions. They are organized in topical sections named: Pattern Recognition; Machine Learning; Deep Learning; Soft and Evolutionary Computing; Image Processing; Medical Image Processing; Bioinformatics and Biomedical Signal Processing; Information Retrieval; Remote Sensing; Signal and Video Processing; and Smart and Intelligent Sensors. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
