Autor Glocker, Ben
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsquedaComputational Methods and Clinical Applications in Musculoskeletal Imaging / Glocker, Ben ; Yao, Jianhua ; Vrtovec, Tomaž ; Frangi, Alejandro ; Zheng, Guoyan
Título : Computational Methods and Clinical Applications in Musculoskeletal Imaging : 5th International Workshop, MSKI 2017, Held in Conjunction with MICCAI 2017, Quebec City, QC, Canada, September 10, 2017, Revised Selected Papers Tipo de documento: documento electrónico Autores: Glocker, Ben, ; Yao, Jianhua, ; Vrtovec, Tomaž, ; Frangi, Alejandro, ; Zheng, Guoyan, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XII, 161 p. 71 ilustraciones ISBN/ISSN/DL: 978-3-319-74113-0 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 Red de computadoras Redes de comunicación informática Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas arbitradas del 5.º Taller y Desafío Internacional sobre Métodos Computacionales y Aplicaciones Clínicas para Imágenes Musculoesqueléticas, MSKI 2017, celebrado junto con MICCAI 2017, en la ciudad de Quebec, QC, Canadá, en septiembre de 2017. Los 13 artículos del taller fueron cuidadosamente revisados y seleccionados para su inclusión en este volumen. Los temas de interés incluyen todos los aspectos principales de las imágenes musculoesqueléticas, por ejemplo: aplicaciones clínicas de las imágenes computacionales musculoesqueléticas; detección y diagnóstico asistido por ordenador de afecciones de huesos, músculos y articulaciones; cirugía e intervenciones musculoesqueléticas guiadas por imágenes; evaluación y seguimiento basado en imágenes del tratamiento quirúrgico y farmacológico; segmentación, registro, detección, localización y visualización de la anatomía musculoesquelética; modelado estadístico y geométrico de la forma y apariencia musculoesquelética; caracterización microestructural basada en imágenes del tejido musculoesquelético; Técnicas novedosas para la obtención de imágenes musculoesqueléticas. Nota de contenido: Localization of Bone Surfaces from Ultrasound Data Using Local Phase Information and Signal Transmission Maps -- Shape-aware Deep Convolutional Neural Network for Vertebrae Segmentation -- Automated Characterization of Body Composition and Frailty with Clinically Acquired CT -- Unfolded cylindrical projection for rib fracture diagnosis -- 3D Cobb Angle Measurements from Scoliotic Mesh Models with Varying Face-Vertex Density -- Automatic Localization of the Lumbar Vertebral Landmarks in CT Images with Context Features -- Joint Multimodal Segmentation of Clinical CT and MR from Hip Arthroplasty Patients -- Reconstruction of 3D muscle fiber structure using high resolution cryosectioned volume -- Segmentation of Pathological Spines in CT Images Using a Two-Way CNN and a Collision-Based Model -- Attention-driven deep learning for pathological spine segmentation -- Automatic Full Femur Segmentation from Computed Tomography Datasets using an Atlas-Based Approach -- Classification of Osteoporotic Vertebral Fractures using Shape and Appearance Modelling -- DSMS-FCN: A Deeply Supervised Multi-Scale Fully Convolutional Network for Automatic Segmentation of Intervertebral Disc in 3D MR Images. 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 Computational Methods and Clinical Applications in Musculoskeletal Imaging : 5th International Workshop, MSKI 2017, Held in Conjunction with MICCAI 2017, Quebec City, QC, Canada, September 10, 2017, Revised Selected Papers [documento electrónico] / Glocker, Ben, ; Yao, Jianhua, ; Vrtovec, Tomaž, ; Frangi, Alejandro, ; Zheng, Guoyan, . - 1 ed. . - [s.l.] : Springer, 2018 . - XII, 161 p. 71 ilustraciones.
ISBN : 978-3-319-74113-0
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 Red de computadoras Redes de comunicación informática Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas arbitradas del 5.º Taller y Desafío Internacional sobre Métodos Computacionales y Aplicaciones Clínicas para Imágenes Musculoesqueléticas, MSKI 2017, celebrado junto con MICCAI 2017, en la ciudad de Quebec, QC, Canadá, en septiembre de 2017. Los 13 artículos del taller fueron cuidadosamente revisados y seleccionados para su inclusión en este volumen. Los temas de interés incluyen todos los aspectos principales de las imágenes musculoesqueléticas, por ejemplo: aplicaciones clínicas de las imágenes computacionales musculoesqueléticas; detección y diagnóstico asistido por ordenador de afecciones de huesos, músculos y articulaciones; cirugía e intervenciones musculoesqueléticas guiadas por imágenes; evaluación y seguimiento basado en imágenes del tratamiento quirúrgico y farmacológico; segmentación, registro, detección, localización y visualización de la anatomía musculoesquelética; modelado estadístico y geométrico de la forma y apariencia musculoesquelética; caracterización microestructural basada en imágenes del tejido musculoesquelético; Técnicas novedosas para la obtención de imágenes musculoesqueléticas. Nota de contenido: Localization of Bone Surfaces from Ultrasound Data Using Local Phase Information and Signal Transmission Maps -- Shape-aware Deep Convolutional Neural Network for Vertebrae Segmentation -- Automated Characterization of Body Composition and Frailty with Clinically Acquired CT -- Unfolded cylindrical projection for rib fracture diagnosis -- 3D Cobb Angle Measurements from Scoliotic Mesh Models with Varying Face-Vertex Density -- Automatic Localization of the Lumbar Vertebral Landmarks in CT Images with Context Features -- Joint Multimodal Segmentation of Clinical CT and MR from Hip Arthroplasty Patients -- Reconstruction of 3D muscle fiber structure using high resolution cryosectioned volume -- Segmentation of Pathological Spines in CT Images Using a Two-Way CNN and a Collision-Based Model -- Attention-driven deep learning for pathological spine segmentation -- Automatic Full Femur Segmentation from Computed Tomography Datasets using an Atlas-Based Approach -- Classification of Osteoporotic Vertebral Fractures using Shape and Appearance Modelling -- DSMS-FCN: A Deeply Supervised Multi-Scale Fully Convolutional Network for Automatic Segmentation of Intervertebral Disc in 3D MR Images. 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 : 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 Índice Dewey: 006.3 Inteligencia artificial 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. 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 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 Índice Dewey: 006.3 Inteligencia artificial 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. 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
