Autor Trucco, Emanuele
|
|
Documentos disponibles escritos por este autor (5)
Hacer una sugerencia Refinar búsquedaComputational Pathology and Ophthalmic Medical Image Analysis / Stoyanov, Danail ; Taylor, Zeike ; Ciompi, Francesco ; Xu, Yanwu ; Martel, Anne ; Maier-Hein, Lena ; Rajpoot, Nasir ; van der Laak, Jeroen ; Veta, Mitko ; McKenna, Stephen ; Snead, David ; Trucco, Emanuele ; Garvin, Mona K. ; Chen, Xin Jan ; Bogunovic, Hrvoje
Título : Computational Pathology and Ophthalmic Medical Image Analysis : First International Workshop, COMPAY 2018, and 5th International Workshop, OMIA 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 16 - 20, 2018, Proceedings Tipo de documento: documento electrónico Autores: Stoyanov, Danail, ; Taylor, Zeike, ; Ciompi, Francesco, ; Xu, Yanwu, ; Martel, Anne, ; Maier-Hein, Lena, ; Rajpoot, Nasir, ; van der Laak, Jeroen, ; Veta, Mitko, ; McKenna, Stephen, ; Snead, David, ; Trucco, Emanuele, ; Garvin, Mona K., ; Chen, Xin Jan, ; Bogunovic, Hrvoje, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XVII, 347 p. 135 ilustraciones ISBN/ISSN/DL: 978-3-030-00949-6 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 Unidades aritméticas y lógicas informáticas Informática Estadistica matematica Sistemas de reconocimiento de patrones Estructuras aritméticas y lógicas Probabilidad y Estadística en Informática Reconocimiento de patrones automatizado Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas conjuntas arbitradas del Primer Taller Internacional sobre Patología Computacional, COMPAY 2018, y el 5º Taller Internacional sobre Análisis de Imágenes Médicas Oftálmicas, OMIA 2018, celebrado junto con la 21ª Conferencia Internacional sobre Imágenes Médicas e Intervención Asistida por Computadora. MICCAI 2018, en Granada, España, en septiembre de 2018. Los 19 artículos completos (de 25 envíos) presentados en COMPAY 2018 y los 21 artículos completos (de 31 envíos) presentados en OMIA 2018 fueron cuidadosamente revisados y seleccionados. Los artículos de COMPAY se centran en la inteligencia artificial y el aprendizaje profundo. Los artículos de OMIA cubren diversos temas en el campo del análisis de imágenes oftálmicas. Nota de contenido: Improving Accuracy of Nuclei Segmentation by Reducing Histological Image Variability -- Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images -- Improving High Resolution Histology Image Classification with Deep Spatial Fusion Network -- Construction of a Generative Model of H&E Stained Pathology Images of Pancreas Tumors Conditioned by a Voxel Value of MRI Image -- Accurate 3D reconstruction of a whole pancreatic cancer tumor from pathology images with different stains -- Role of Task Complexity and Training in Crowdsourced Image Annotation -- Capturing global spatial context for accurate cell classification in skin cancer histology -- Exploiting Multiple Color Representations to Improve Colon Cancer Detection in Whole Slide H&E Stains -- Leveraging Unlabeled Whole-Slide-Images for Mitosis Detection -- Evaluating Out-of-the-box Methods for the Classification of Hematopoietic Cells in Images of Stained Bone Marrow -- DeepCerv: Deep neural network for segmentation free robustcervical cell classification -- Whole slide image registration for the study of tumor heterogeneity -- Modality Conversion from Pathological Image to Ultrasonic Image Using Convolutional Neural Network -- Structure instance segmentation in renal tissue: a case study on tubular immune cell detection -- Cellular Community Detection for Tissue Phenotyping in Histology Images -- Automatic Detection of Tumor Budding in Colorectal Carcinoma with Deep Learning -- Significance of Hyperparameter Optimization for Metastasis Detection in Breast Histology Images -- Image Magnification Regression Using DenseNet for Exploiting Histopathology Open Access Content -- Uncertainty Driven Pooling Network for Microvessel Segmentation in Routine Histology Images -- Ocular Structures Segmentation from Multi-sequences MRI using 3D Unet with Fully Connected CRFs -- Classification of Findings with Localized Lesions in Fundoscopic Images using a Regionally Guided CNN -- Segmentation of Corneal Nerves Using a U-Net-based Convolutional Neural Network -- Automatic Pigmentation Grading of the Trabecular Meshwork in Gonioscopic Images -- Large Receptive Field Fully Convolutional Network for Semantic Segmentation of Retinal Vasculature in Fundus Images -- Explaining Convolutional Neural Networks for Area Estimation of Choroidal Neovascularization via Genetic Programming -- Joint Segmentation and Uncertainty Visualization of Retinal Layers in Optical Coherence Tomography Images using Bayesian Deep Learning -- cGAN-based lacquer cracks segmentation in ICGA image -- Localizing Optic Disc and Cup for Glaucoma Screening via Deep Object Detection Networks -- Fundus Image Quality-guided Diabetic Retinopathy Grading -- DeepDisc: Optic Disc Segmentation based on Atrous Convolution and Spatial Pyramid Pooling -- Large-scale Left and Right Eye Classification in Retinal Images -- Automatic Segmentation of Cortex and Nucleus in Anterior Segment OCT Images -- Local Estimation of the Degree of Optic Disc Swelling from Color Fundus Photography -- Visual Field based Automatic Diagnosis of Glaucoma Using Deep Convolutional Neural Network -- Towards standardization of retinal vascular measurements: on the effect of image centering -- Feasibility study of Subfoveal Choroidal Thickness Changes in Spectral-Domain Optical Coherence Tomography Measurements of Macular Telangiectasia Type 2 -- Segmentation of retinal layers in OCT images of the mouse eye utilizing polarization contrast -- Glaucoma Diagnosis from Eye Fundus Images Based on Deep Morphometric Feature Estimation -- 2D Modeling and Correction of Fan-beam Scan Geometry in OCT -- A Bottom-up Saliency Estimation Approach for Neonatal Retinal 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 Pathology and Ophthalmic Medical Image Analysis : First International Workshop, COMPAY 2018, and 5th International Workshop, OMIA 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 16 - 20, 2018, Proceedings [documento electrónico] / Stoyanov, Danail, ; Taylor, Zeike, ; Ciompi, Francesco, ; Xu, Yanwu, ; Martel, Anne, ; Maier-Hein, Lena, ; Rajpoot, Nasir, ; van der Laak, Jeroen, ; Veta, Mitko, ; McKenna, Stephen, ; Snead, David, ; Trucco, Emanuele, ; Garvin, Mona K., ; Chen, Xin Jan, ; Bogunovic, Hrvoje, . - 1 ed. . - [s.l.] : Springer, 2018 . - XVII, 347 p. 135 ilustraciones.
ISBN : 978-3-030-00949-6
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 Unidades aritméticas y lógicas informáticas Informática Estadistica matematica Sistemas de reconocimiento de patrones Estructuras aritméticas y lógicas Probabilidad y Estadística en Informática Reconocimiento de patrones automatizado Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas conjuntas arbitradas del Primer Taller Internacional sobre Patología Computacional, COMPAY 2018, y el 5º Taller Internacional sobre Análisis de Imágenes Médicas Oftálmicas, OMIA 2018, celebrado junto con la 21ª Conferencia Internacional sobre Imágenes Médicas e Intervención Asistida por Computadora. MICCAI 2018, en Granada, España, en septiembre de 2018. Los 19 artículos completos (de 25 envíos) presentados en COMPAY 2018 y los 21 artículos completos (de 31 envíos) presentados en OMIA 2018 fueron cuidadosamente revisados y seleccionados. Los artículos de COMPAY se centran en la inteligencia artificial y el aprendizaje profundo. Los artículos de OMIA cubren diversos temas en el campo del análisis de imágenes oftálmicas. Nota de contenido: Improving Accuracy of Nuclei Segmentation by Reducing Histological Image Variability -- Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images -- Improving High Resolution Histology Image Classification with Deep Spatial Fusion Network -- Construction of a Generative Model of H&E Stained Pathology Images of Pancreas Tumors Conditioned by a Voxel Value of MRI Image -- Accurate 3D reconstruction of a whole pancreatic cancer tumor from pathology images with different stains -- Role of Task Complexity and Training in Crowdsourced Image Annotation -- Capturing global spatial context for accurate cell classification in skin cancer histology -- Exploiting Multiple Color Representations to Improve Colon Cancer Detection in Whole Slide H&E Stains -- Leveraging Unlabeled Whole-Slide-Images for Mitosis Detection -- Evaluating Out-of-the-box Methods for the Classification of Hematopoietic Cells in Images of Stained Bone Marrow -- DeepCerv: Deep neural network for segmentation free robustcervical cell classification -- Whole slide image registration for the study of tumor heterogeneity -- Modality Conversion from Pathological Image to Ultrasonic Image Using Convolutional Neural Network -- Structure instance segmentation in renal tissue: a case study on tubular immune cell detection -- Cellular Community Detection for Tissue Phenotyping in Histology Images -- Automatic Detection of Tumor Budding in Colorectal Carcinoma with Deep Learning -- Significance of Hyperparameter Optimization for Metastasis Detection in Breast Histology Images -- Image Magnification Regression Using DenseNet for Exploiting Histopathology Open Access Content -- Uncertainty Driven Pooling Network for Microvessel Segmentation in Routine Histology Images -- Ocular Structures Segmentation from Multi-sequences MRI using 3D Unet with Fully Connected CRFs -- Classification of Findings with Localized Lesions in Fundoscopic Images using a Regionally Guided CNN -- Segmentation of Corneal Nerves Using a U-Net-based Convolutional Neural Network -- Automatic Pigmentation Grading of the Trabecular Meshwork in Gonioscopic Images -- Large Receptive Field Fully Convolutional Network for Semantic Segmentation of Retinal Vasculature in Fundus Images -- Explaining Convolutional Neural Networks for Area Estimation of Choroidal Neovascularization via Genetic Programming -- Joint Segmentation and Uncertainty Visualization of Retinal Layers in Optical Coherence Tomography Images using Bayesian Deep Learning -- cGAN-based lacquer cracks segmentation in ICGA image -- Localizing Optic Disc and Cup for Glaucoma Screening via Deep Object Detection Networks -- Fundus Image Quality-guided Diabetic Retinopathy Grading -- DeepDisc: Optic Disc Segmentation based on Atrous Convolution and Spatial Pyramid Pooling -- Large-scale Left and Right Eye Classification in Retinal Images -- Automatic Segmentation of Cortex and Nucleus in Anterior Segment OCT Images -- Local Estimation of the Degree of Optic Disc Swelling from Color Fundus Photography -- Visual Field based Automatic Diagnosis of Glaucoma Using Deep Convolutional Neural Network -- Towards standardization of retinal vascular measurements: on the effect of image centering -- Feasibility study of Subfoveal Choroidal Thickness Changes in Spectral-Domain Optical Coherence Tomography Measurements of Macular Telangiectasia Type 2 -- Segmentation of retinal layers in OCT images of the mouse eye utilizing polarization contrast -- Glaucoma Diagnosis from Eye Fundus Images Based on Deep Morphometric Feature Estimation -- 2D Modeling and Correction of Fan-beam Scan Geometry in OCT -- A Bottom-up Saliency Estimation Approach for Neonatal Retinal 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 : Fetal, Infant and Ophthalmic Medical Image Analysis : International Workshop, FIFI 2017, and 4th International Workshop, OMIA 2017, Held in Conjunction with MICCAI 2017, Québec City, QC, Canada, September 14, Proceedings Tipo de documento: documento electrónico Autores: Cardoso, M. Jorge, ; Arbel, Tal, ; Melbourne, Andrew, ; Bogunovic, Hrvoje, ; Moeskops, Pim, ; Chen, Xinjian, ; Schwartz, Ernst, ; Garvin, Mona, ; Robinson, Emma, ; Trucco, Emanuele, ; Ebner, Michael, ; Xu, Yanwu, ; Makropoulos, Antonios, ; Desjardin, Adrien, ; Vercauteren, Tom, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XIII, 252 p. 109 ilustraciones ISBN/ISSN/DL: 978-3-319-67561-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Visión por computador Inteligencia artificial Informática Médica Procesamiento de datos Ciencias de la Computación Informática Estadistica matematica Informática de la Salud Minería de datos y descubrimiento de conocimientos Modelos de Computación Probabilidad y Estadística en Informática Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas conjuntas arbitradas del Taller internacional sobre análisis de imágenes fetales e infantiles, FIFI 2017, y el 6.º Taller internacional sobre análisis de imágenes médicas oftálmicas, OMIA 2017, celebrado junto con la 20.ª Conferencia internacional sobre imágenes médicas y análisis de imágenes asistidas por computadora. Intervención, MICCAI 2017, en la ciudad de Québec, QC, Canadá, en septiembre de 2017. Los 8 artículos completos presentados en FIFI 2017 y los 20 artículos completos presentados en OMIA 2017 fueron cuidadosamente revisados y seleccionados. Los artículos de FIFI presentan investigaciones sobre enfoques avanzados de análisis de imágenes centrados en el análisis del crecimiento y desarrollo en el período fetal, infantil y pediátrico. Los artículos de OMIA cubren diversos temas en el campo del análisis de imágenes oftálmicas. 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 Fetal, Infant and Ophthalmic Medical Image Analysis : International Workshop, FIFI 2017, and 4th International Workshop, OMIA 2017, Held in Conjunction with MICCAI 2017, Québec City, QC, Canada, September 14, Proceedings [documento electrónico] / Cardoso, M. Jorge, ; Arbel, Tal, ; Melbourne, Andrew, ; Bogunovic, Hrvoje, ; Moeskops, Pim, ; Chen, Xinjian, ; Schwartz, Ernst, ; Garvin, Mona, ; Robinson, Emma, ; Trucco, Emanuele, ; Ebner, Michael, ; Xu, Yanwu, ; Makropoulos, Antonios, ; Desjardin, Adrien, ; Vercauteren, Tom, . - 1 ed. . - [s.l.] : Springer, 2017 . - XIII, 252 p. 109 ilustraciones.
ISBN : 978-3-319-67561-9
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 Informática Médica Procesamiento de datos Ciencias de la Computación Informática Estadistica matematica Informática de la Salud Minería de datos y descubrimiento de conocimientos Modelos de Computación Probabilidad y Estadística en Informática Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas conjuntas arbitradas del Taller internacional sobre análisis de imágenes fetales e infantiles, FIFI 2017, y el 6.º Taller internacional sobre análisis de imágenes médicas oftálmicas, OMIA 2017, celebrado junto con la 20.ª Conferencia internacional sobre imágenes médicas y análisis de imágenes asistidas por computadora. Intervención, MICCAI 2017, en la ciudad de Québec, QC, Canadá, en septiembre de 2017. Los 8 artículos completos presentados en FIFI 2017 y los 20 artículos completos presentados en OMIA 2017 fueron cuidadosamente revisados y seleccionados. Los artículos de FIFI presentan investigaciones sobre enfoques avanzados de análisis de imágenes centrados en el análisis del crecimiento y desarrollo en el período fetal, infantil y pediátrico. Los artículos de OMIA cubren diversos temas en el campo del análisis de imágenes oftálmicas. 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 : Intravascular Imaging and Computer Assisted Stenting and Large-Scale Annotation of Biomedical Data and Expert Label Synthesis : 7th Joint International Workshop, CVII-STENT 2018 and Third International Workshop, LABELS 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 16, 2018, Proceedings Tipo de documento: documento electrónico Autores: Stoyanov, Danail, ; Taylor, Zeike, ; Balocco, Simone, ; Sznitman, Raphael, ; Martel, Anne, ; Maier-Hein, Lena, ; Duong, Luc, ; Zahnd, Guillaume, ; Demirci, Stefanie, ; Albarqouni, Shadi, ; Lee, Su-Lin, ; Moriconi, Stefano, ; Cheplygina, Veronika, ; Mateus, Diana, ; Trucco, Emanuele, ; Granger, Eric, ; Jannin, Pierre, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XVII, 202 p. 111 ilustraciones, 65 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-01364-6 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 Ingeniería Informática y Redes Inteligencia artificial Informática de la Salud Red informática Ingeniería Informática Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas conjuntas arbitradas del 7.º Taller internacional conjunto sobre computación y visualización para imágenes intravasculares y colocación de stents asistida por computadora, CVII-STENT 2018, y el Tercer taller internacional sobre anotación a gran escala de datos biomédicos y síntesis experta de etiquetas, LABELS 2018, celebrados conjuntamente con la 21.ª Conferencia internacional sobre imágenes médicas e intervención asistida por computadora, MICCAI 2018, en Granada, España, en septiembre de 2018. Los 9 artículos completos presentados en CVII-STENT 2017 y los 12 artículos completos presentados en LABELS 2017 fueron revisados y seleccionados cuidadosamente. Los artículos de CVII-STENT presentan el estado del arte en imágenes, tratamiento e intervención asistida por computadora en el campo de las intervenciones endovasculares. Los artículos de LABELS presentan una variedad de enfoques para abordar pocas etiquetas, desde el aprendizaje por transferencia hasta el crowdsourcing. Nota de contenido: Blood-flow estimation in the hepatic arteries based on 3D/2D angiography registration -- Automated quantification of blood flow velocity from time-resolved CT angiography -- Multiple device segmentation for fluoroscopic imaging using multi-task learning -- Segmentation of the Aorta Using Active Contours with Histogram-Based Descriptors -- Layer Separation in X-ray Angiograms for Vessel Enhancement with Fully Convolutional Network -- Generation of a HER2 breast cancer gold-standard using supervised learning from multiple experts -- Deep Learning-based Detection and Segmentation for BVS Struts in IVOCT Images -- Towards Automatic Measurement of Type B Aortic Dissection Parameters -- Prediction of FFR from IVUS Images using Machine Learning -- Deep Learning Retinal Vessel Segmentation From a Single Annotated Example: An Application of Cyclic Generative Adversarial Neural Networks -- An Efficient and Comprehensive Labeling Tool for Large-scale Annotation of Fundus Images -- Crowd disagreement about medical images is informative -- Imperfect Segmentation Labels: How Much Do They Matter? -- Crowdsourcing annotation of surgical instruments in videos of cataract surgery -- Four-dimensional ASL MR angiography phantoms with noise learned by neural styling -- Feature learning based on visual similarity triplets in medical image analysis: A case study of emphysema in chest CT scans -- Capsule Networks against Medical Imaging Data Challenges -- Fully Automatic Segmentation of Coronary Arteries based on Deep Neural Network in Intravascular Ultrasound Images -- Weakly-Supervised Learning for Tool Localization in Laparoscopic Videos -- Radiology Objects in COntext (ROCO) -- Improving out-of-sample prediction of quality of MRIQC. 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 Intravascular Imaging and Computer Assisted Stenting and Large-Scale Annotation of Biomedical Data and Expert Label Synthesis : 7th Joint International Workshop, CVII-STENT 2018 and Third International Workshop, LABELS 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 16, 2018, Proceedings [documento electrónico] / Stoyanov, Danail, ; Taylor, Zeike, ; Balocco, Simone, ; Sznitman, Raphael, ; Martel, Anne, ; Maier-Hein, Lena, ; Duong, Luc, ; Zahnd, Guillaume, ; Demirci, Stefanie, ; Albarqouni, Shadi, ; Lee, Su-Lin, ; Moriconi, Stefano, ; Cheplygina, Veronika, ; Mateus, Diana, ; Trucco, Emanuele, ; Granger, Eric, ; Jannin, Pierre, . - 1 ed. . - [s.l.] : Springer, 2018 . - XVII, 202 p. 111 ilustraciones, 65 ilustraciones en color.
ISBN : 978-3-030-01364-6
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 Ingeniería Informática y Redes Inteligencia artificial Informática de la Salud Red informática Ingeniería Informática Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas conjuntas arbitradas del 7.º Taller internacional conjunto sobre computación y visualización para imágenes intravasculares y colocación de stents asistida por computadora, CVII-STENT 2018, y el Tercer taller internacional sobre anotación a gran escala de datos biomédicos y síntesis experta de etiquetas, LABELS 2018, celebrados conjuntamente con la 21.ª Conferencia internacional sobre imágenes médicas e intervención asistida por computadora, MICCAI 2018, en Granada, España, en septiembre de 2018. Los 9 artículos completos presentados en CVII-STENT 2017 y los 12 artículos completos presentados en LABELS 2017 fueron revisados y seleccionados cuidadosamente. Los artículos de CVII-STENT presentan el estado del arte en imágenes, tratamiento e intervención asistida por computadora en el campo de las intervenciones endovasculares. Los artículos de LABELS presentan una variedad de enfoques para abordar pocas etiquetas, desde el aprendizaje por transferencia hasta el crowdsourcing. Nota de contenido: Blood-flow estimation in the hepatic arteries based on 3D/2D angiography registration -- Automated quantification of blood flow velocity from time-resolved CT angiography -- Multiple device segmentation for fluoroscopic imaging using multi-task learning -- Segmentation of the Aorta Using Active Contours with Histogram-Based Descriptors -- Layer Separation in X-ray Angiograms for Vessel Enhancement with Fully Convolutional Network -- Generation of a HER2 breast cancer gold-standard using supervised learning from multiple experts -- Deep Learning-based Detection and Segmentation for BVS Struts in IVOCT Images -- Towards Automatic Measurement of Type B Aortic Dissection Parameters -- Prediction of FFR from IVUS Images using Machine Learning -- Deep Learning Retinal Vessel Segmentation From a Single Annotated Example: An Application of Cyclic Generative Adversarial Neural Networks -- An Efficient and Comprehensive Labeling Tool for Large-scale Annotation of Fundus Images -- Crowd disagreement about medical images is informative -- Imperfect Segmentation Labels: How Much Do They Matter? -- Crowdsourcing annotation of surgical instruments in videos of cataract surgery -- Four-dimensional ASL MR angiography phantoms with noise learned by neural styling -- Feature learning based on visual similarity triplets in medical image analysis: A case study of emphysema in chest CT scans -- Capsule Networks against Medical Imaging Data Challenges -- Fully Automatic Segmentation of Coronary Arteries based on Deep Neural Network in Intravascular Ultrasound Images -- Weakly-Supervised Learning for Tool Localization in Laparoscopic Videos -- Radiology Objects in COntext (ROCO) -- Improving out-of-sample prediction of quality of MRIQC. 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 : Large-Scale Annotation of Biomedical Data and Expert Label Synthesis and Hardware Aware Learning for Medical Imaging and Computer Assisted Intervention : International Workshops, LABELS 2019, HAL-MICCAI 2019, and CuRIOUS 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 13 and 17, 2019, Proceedings Tipo de documento: documento electrónico Autores: Zhou, Luping, ; Heller, Nicholas, ; Shi, Yiyu, ; Xiao, Yiming, ; Sznitman, Raphael, ; Cheplygina, Veronika, ; Mateus, Diana, ; Trucco, Emanuele, ; Hu, X. Sharon, ; Chen, Danny, ; Chabanas, Matthieu, ; Rivaz, Hassan, ; Reinertsen, Ingerid, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XX, 154 p. 62 ilustraciones, 48 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-33642-4 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 Informática Médica Informática de la Salud Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas conjuntas arbitradas del Cuarto Taller Internacional sobre Anotación a Gran Escala de Datos Biomédicos y Síntesis de Etiquetas Expertas, LABELS 2019, el Primer Taller Internacional sobre Aprendizaje Consciente de Hardware para Imágenes Médicas e Intervención Asistida por Computadora, HAL-MICCAI 2019, y el Segundo Taller Internacional sobre Corrección del Cambio Cerebral con Ultrasonido Intraoperatorio, CuRIOUS 2019, celebrado junto con la 22.ª Conferencia Internacional sobre Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2019, en Shenzhen, China, en octubre de 2019. Los 8 artículos presentados En LABELS 2019, los 5 artículos presentados en HAL-MICCAI 2019 y los 3 artículos presentados en CuRIOUS 2019 fueron cuidadosamente revisados y seleccionados entre numerosas presentaciones. Los artículos de LABELS presentan una variedad de enfoques para abordar un número limitado de etiquetas, desde el aprendizaje semisupervisado hasta el crowdsourcing. Los artículos de HAL-MICCAI cubren un amplio conjunto de aplicaciones de hardware en problemas médicos, incluida la segmentación de imágenes médicas, la tomografía electrónica, la detección de neumonía, etc. Los artículos de CuRIOUS brindan una instantánea del progreso actual en el campo a través de discusiones extensas y brindan a los investigadores la oportunidad de caracterizan sus métodos de registro de imágenes en conjuntos de datos estandarizados recientemente publicados sobre resección de tumores cerebrales guiada por iUS. Nota de contenido: 4th International Workshop on Large-Scale Annotation of Biomedical Data and Expert Label Synthesis (LABELS 2019) -- Comparison of active learning strategies applied to lung nodule segmentation in CT scans -- Robust Registration of Statistical Shape Models for Unsupervised Pathology Annotation -- XiangyaDerm: A Clinical Image Dataset of Asian Race for Skin Disease Aided Diagnosis -- Data Augmentation based on Substituting Regional MRI Volume Scores -- Weakly supervised segmentation from extreme points -- Exploring the Relationship between Segmentation Uncertainty, Segmentation Performance and Inter-observer Variability with Probabilistic Networks -- DeepIGeoS-V2: Deep Interactive Segmentation of Multiple Organs from Head and Neck Images with Lightweight CNNs -- The Role of Publicly Available Data in MICCAI Papers from 2014 to 2018 -- First International Workshop on Hardware Aware Learning for Medical Imaging and Computer Assisted Intervention (HAL-MICCAI 2019) -- Hardware Acceleration of Persistent Homology Computation -- Deep Compressed Pneumonia Detection for Low-Power Embedded Devices -- D3MC: A Reinforcement Learning based Data-driven Dyna Model Compression -- An Analytical Method of Automatic Alignment for Electron Tomography -- Fixed-Point U-Net Quantization for Medical Image Segmentation -- Second International Workshop on Correction of Brainshift with Intra-Operative Ultrasound (CuRIOUS 2019) -- Registration of ultrasound volumes based on Euclidean distance transform -- Landmark-based evaluation of a block-matching registration framework on the RESECT pre- and intra-operative brain image data set -- Comparing deep learning strategies and attention mechanisms of discrete registration for multimodal image-guided interventions. 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 Large-Scale Annotation of Biomedical Data and Expert Label Synthesis and Hardware Aware Learning for Medical Imaging and Computer Assisted Intervention : International Workshops, LABELS 2019, HAL-MICCAI 2019, and CuRIOUS 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 13 and 17, 2019, Proceedings [documento electrónico] / Zhou, Luping, ; Heller, Nicholas, ; Shi, Yiyu, ; Xiao, Yiming, ; Sznitman, Raphael, ; Cheplygina, Veronika, ; Mateus, Diana, ; Trucco, Emanuele, ; Hu, X. Sharon, ; Chen, Danny, ; Chabanas, Matthieu, ; Rivaz, Hassan, ; Reinertsen, Ingerid, . - 1 ed. . - [s.l.] : Springer, 2019 . - XX, 154 p. 62 ilustraciones, 48 ilustraciones en color.
ISBN : 978-3-030-33642-4
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 Informática Médica Informática de la Salud Índice Dewey: 006.37 Visión artificial Resumen: Este libro constituye las actas conjuntas arbitradas del Cuarto Taller Internacional sobre Anotación a Gran Escala de Datos Biomédicos y Síntesis de Etiquetas Expertas, LABELS 2019, el Primer Taller Internacional sobre Aprendizaje Consciente de Hardware para Imágenes Médicas e Intervención Asistida por Computadora, HAL-MICCAI 2019, y el Segundo Taller Internacional sobre Corrección del Cambio Cerebral con Ultrasonido Intraoperatorio, CuRIOUS 2019, celebrado junto con la 22.ª Conferencia Internacional sobre Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2019, en Shenzhen, China, en octubre de 2019. Los 8 artículos presentados En LABELS 2019, los 5 artículos presentados en HAL-MICCAI 2019 y los 3 artículos presentados en CuRIOUS 2019 fueron cuidadosamente revisados y seleccionados entre numerosas presentaciones. Los artículos de LABELS presentan una variedad de enfoques para abordar un número limitado de etiquetas, desde el aprendizaje semisupervisado hasta el crowdsourcing. Los artículos de HAL-MICCAI cubren un amplio conjunto de aplicaciones de hardware en problemas médicos, incluida la segmentación de imágenes médicas, la tomografía electrónica, la detección de neumonía, etc. Los artículos de CuRIOUS brindan una instantánea del progreso actual en el campo a través de discusiones extensas y brindan a los investigadores la oportunidad de caracterizan sus métodos de registro de imágenes en conjuntos de datos estandarizados recientemente publicados sobre resección de tumores cerebrales guiada por iUS. Nota de contenido: 4th International Workshop on Large-Scale Annotation of Biomedical Data and Expert Label Synthesis (LABELS 2019) -- Comparison of active learning strategies applied to lung nodule segmentation in CT scans -- Robust Registration of Statistical Shape Models for Unsupervised Pathology Annotation -- XiangyaDerm: A Clinical Image Dataset of Asian Race for Skin Disease Aided Diagnosis -- Data Augmentation based on Substituting Regional MRI Volume Scores -- Weakly supervised segmentation from extreme points -- Exploring the Relationship between Segmentation Uncertainty, Segmentation Performance and Inter-observer Variability with Probabilistic Networks -- DeepIGeoS-V2: Deep Interactive Segmentation of Multiple Organs from Head and Neck Images with Lightweight CNNs -- The Role of Publicly Available Data in MICCAI Papers from 2014 to 2018 -- First International Workshop on Hardware Aware Learning for Medical Imaging and Computer Assisted Intervention (HAL-MICCAI 2019) -- Hardware Acceleration of Persistent Homology Computation -- Deep Compressed Pneumonia Detection for Low-Power Embedded Devices -- D3MC: A Reinforcement Learning based Data-driven Dyna Model Compression -- An Analytical Method of Automatic Alignment for Electron Tomography -- Fixed-Point U-Net Quantization for Medical Image Segmentation -- Second International Workshop on Correction of Brainshift with Intra-Operative Ultrasound (CuRIOUS 2019) -- Registration of ultrasound volumes based on Euclidean distance transform -- Landmark-based evaluation of a block-matching registration framework on the RESECT pre- and intra-operative brain image data set -- Comparing deep learning strategies and attention mechanisms of discrete registration for multimodal image-guided interventions. 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 : Third International Workshop, iMIMIC 2020, Second International Workshop, MIL3ID 2020, and 5th International Workshop, LABELS 2020, Held in Conjunction with MICCAI 2020, Lima, Peru, October 4–8, 2020, Proceedings Tipo de documento: documento electrónico Autores: Cardoso, Jaime, ; Van Nguyen, Hien, ; Heller, Nicholas, ; Henriques Abreu, Pedro, ; Isgum, Ivana, ; Silva, Wilson, ; Cruz, Ricardo, ; Pereira Amorim, Jose, ; Patel, Vishal, ; Roysam, Badri, ; Zhou, Kevin, ; Jiang, Steve, ; Le, Ngan, ; Luu, Khoa, ; Sznitman, Raphael, ; Cheplygina, Veronika, ; Mateus, Diana, ; Trucco, Emanuele, ; Abbasi, Samaneh, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XVII, 292 p. 109 ilustraciones ISBN/ISSN/DL: 978-3-030-61166-8 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 Biología Computacional y de Sistemas Aplicación informática en ciencias sociales y del comportamiento Reconocimiento de patrones automatizado Sistemas de reconocimiento de patrones Bioinformática Ciencias sociales Procesamiento de datos Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas conjuntas arbitradas del Tercer Taller Internacional sobre Interpretabilidad de la Inteligencia Artificial en Computación de Imágenes Médicas, iMIMIC 2020, el Segundo Taller Internacional sobre Aprendizaje de Imágenes Médicas con Menos Etiquetas y Datos Imperfectos, MIL3ID 2020, y el Quinto Taller Internacional sobre Aprendizaje de Imágenes Médicas con Menos Etiquetas y Datos Imperfectos, MIL3ID 2020. Anotación a escala de datos biomédicos y síntesis de etiquetas de expertos, LABELS 2020, celebrada junto con la 23.ª Conferencia Internacional sobre Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2020, en Lima, Perú, en octubre de 2020. Los 8 artículos completos presentados en iMIMIC 2020, 11 artículos completos para MIL3ID 2020 y los 10 artículos completos presentados en LABELS 2020 fueron cuidadosamente revisados y seleccionados entre 16 presentaciones para iMIMIC, 28 para MIL3ID y 12 presentaciones para LABELS. 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. MIL3ID aborda las mejores prácticas en el aprendizaje de imágenes médicas con escasez de etiquetas e imperfección de datos. Los artículos de LABELS presentan una variedad de enfoques para abordar un número limitado de etiquetas, desde el aprendizaje semisupervisado hasta el crowdsourcing. Nota de contenido: iMIMIC 2020 -- Assessing attribution maps for explaining CNN-based vertebral fracture classifiers -- Projective Latent Interventions for Understanding and Fine-tuning Classifiers -- Interpretable CNN Pruning for Preserving Scale-Covariant Features in Medical Imaging -- Improving the Performance and Explainability of Mammogram Classifiers with Local Annotations -- Improving Interpretability for Computer-aided Diagnosis tools on Whole Slide Imaging with Multiple Instance Learning and Gradient-based Explanations -- Explainable Disease Classification via weakly-supervised segmentation -- Reliable Saliency Maps for Weakly-Supervised Localization of Disease Patterns -- Explainability for regression CNN in fetal head circumference estimation from ultrasound images -- MIL3ID 2020 -- Recovering the Imperfect: Cell Segmentation in the Presence of Dynamically Localized Proteins -- Semi-supervised Instance Segmentation with a Learned Shape Prior -- COMe-SEE: Cross-Modality Semantic Embedding Ensemble for Generalized Zero-Shot Diagnosis of Chest Radiographs -- Semi-supervised Machine Learning with MixMatch and Equivalence Classes -- Non-contrast CT Liver Segmentation using CycleGAN Data Augmentation from Contrast Enhanced CT -- Uncertainty Estimation in Medical Image Localization: Towards Robust Anterior Thalamus Targeting for Deep Brain Stimulation -- A Case Study of Transfer of Lesion-Knowledge -- Transfer Learning With Joint Optimization for Label-Efficient Medical Image Anomaly Detection -- Unsupervised Wasserstein Distance Guided Domain Adaptation for 3D Multi-Domain Liver Segmentation -- HydraMix-Net: A Deep Multi-task Semi-supervised Learning Approach for Cell Detection and Classification -- Semi-supervised classification of chest radiographs -- LABELS 2020 -- Risk of training diagnostic algorithms on data with demographic bias -- Semi-Weakly Supervised Learning for Prostate Cancer Image Classification with Teacher-Student Deep Convolutional Networks -- Are pathologist-defined labels reproducible? Comparison of the TUPAC16 mitotic figure dataset with an alternative set of labels -- EasierPath: An Open-source Tool for Human-in-the-loop Deep Learning of Renal Pathology -- Imbalance-Effective Active Learning in Nucleus, Lymphocyte and Plasma Cell Detection -- Labeling of Multilingual Breast MRI Reports -- Predicting Scores of Medical Imaging Segmentation Methods with Meta-Learning -- Labelling imaging datasets on the basis of neuroradiology reports: a validation study -- Semi-Supervised Learning for Instrument Detection with a Class Imbalanced Dataset -- Paying Per-label Attention for Multi-label Extraction from Radiology Reports. 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 Third International Workshop, iMIMIC 2020, Second International Workshop, MIL3ID 2020, and 5th International Workshop, LABELS 2020, Held in Conjunction with MICCAI 2020, Lima, Peru, October 4–8, 2020, Proceedings [documento electrónico] / Cardoso, Jaime, ; Van Nguyen, Hien, ; Heller, Nicholas, ; Henriques Abreu, Pedro, ; Isgum, Ivana, ; Silva, Wilson, ; Cruz, Ricardo, ; Pereira Amorim, Jose, ; Patel, Vishal, ; Roysam, Badri, ; Zhou, Kevin, ; Jiang, Steve, ; Le, Ngan, ; Luu, Khoa, ; Sznitman, Raphael, ; Cheplygina, Veronika, ; Mateus, Diana, ; Trucco, Emanuele, ; Abbasi, Samaneh, . - 1 ed. . - [s.l.] : Springer, 2020 . - XVII, 292 p. 109 ilustraciones.
ISBN : 978-3-030-61166-8
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 Biología Computacional y de Sistemas Aplicación informática en ciencias sociales y del comportamiento Reconocimiento de patrones automatizado Sistemas de reconocimiento de patrones Bioinformática Ciencias sociales Procesamiento de datos Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas conjuntas arbitradas del Tercer Taller Internacional sobre Interpretabilidad de la Inteligencia Artificial en Computación de Imágenes Médicas, iMIMIC 2020, el Segundo Taller Internacional sobre Aprendizaje de Imágenes Médicas con Menos Etiquetas y Datos Imperfectos, MIL3ID 2020, y el Quinto Taller Internacional sobre Aprendizaje de Imágenes Médicas con Menos Etiquetas y Datos Imperfectos, MIL3ID 2020. Anotación a escala de datos biomédicos y síntesis de etiquetas de expertos, LABELS 2020, celebrada junto con la 23.ª Conferencia Internacional sobre Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2020, en Lima, Perú, en octubre de 2020. Los 8 artículos completos presentados en iMIMIC 2020, 11 artículos completos para MIL3ID 2020 y los 10 artículos completos presentados en LABELS 2020 fueron cuidadosamente revisados y seleccionados entre 16 presentaciones para iMIMIC, 28 para MIL3ID y 12 presentaciones para LABELS. 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. MIL3ID aborda las mejores prácticas en el aprendizaje de imágenes médicas con escasez de etiquetas e imperfección de datos. Los artículos de LABELS presentan una variedad de enfoques para abordar un número limitado de etiquetas, desde el aprendizaje semisupervisado hasta el crowdsourcing. Nota de contenido: iMIMIC 2020 -- Assessing attribution maps for explaining CNN-based vertebral fracture classifiers -- Projective Latent Interventions for Understanding and Fine-tuning Classifiers -- Interpretable CNN Pruning for Preserving Scale-Covariant Features in Medical Imaging -- Improving the Performance and Explainability of Mammogram Classifiers with Local Annotations -- Improving Interpretability for Computer-aided Diagnosis tools on Whole Slide Imaging with Multiple Instance Learning and Gradient-based Explanations -- Explainable Disease Classification via weakly-supervised segmentation -- Reliable Saliency Maps for Weakly-Supervised Localization of Disease Patterns -- Explainability for regression CNN in fetal head circumference estimation from ultrasound images -- MIL3ID 2020 -- Recovering the Imperfect: Cell Segmentation in the Presence of Dynamically Localized Proteins -- Semi-supervised Instance Segmentation with a Learned Shape Prior -- COMe-SEE: Cross-Modality Semantic Embedding Ensemble for Generalized Zero-Shot Diagnosis of Chest Radiographs -- Semi-supervised Machine Learning with MixMatch and Equivalence Classes -- Non-contrast CT Liver Segmentation using CycleGAN Data Augmentation from Contrast Enhanced CT -- Uncertainty Estimation in Medical Image Localization: Towards Robust Anterior Thalamus Targeting for Deep Brain Stimulation -- A Case Study of Transfer of Lesion-Knowledge -- Transfer Learning With Joint Optimization for Label-Efficient Medical Image Anomaly Detection -- Unsupervised Wasserstein Distance Guided Domain Adaptation for 3D Multi-Domain Liver Segmentation -- HydraMix-Net: A Deep Multi-task Semi-supervised Learning Approach for Cell Detection and Classification -- Semi-supervised classification of chest radiographs -- LABELS 2020 -- Risk of training diagnostic algorithms on data with demographic bias -- Semi-Weakly Supervised Learning for Prostate Cancer Image Classification with Teacher-Student Deep Convolutional Networks -- Are pathologist-defined labels reproducible? Comparison of the TUPAC16 mitotic figure dataset with an alternative set of labels -- EasierPath: An Open-source Tool for Human-in-the-loop Deep Learning of Renal Pathology -- Imbalance-Effective Active Learning in Nucleus, Lymphocyte and Plasma Cell Detection -- Labeling of Multilingual Breast MRI Reports -- Predicting Scores of Medical Imaging Segmentation Methods with Meta-Learning -- Labelling imaging datasets on the basis of neuroradiology reports: a validation study -- Semi-Supervised Learning for Instrument Detection with a Class Imbalanced Dataset -- Paying Per-label Attention for Multi-label Extraction from Radiology Reports. 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
