Autor Zhu, Dajiang
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsquedaDeep Generative Models, and Data Augmentation, Labelling, and Imperfections / Engelhardt, Sandy ; Oksuz, Ilkay ; Zhu, Dajiang ; Yuan, Yixuan ; Mukhopadhyay, Anirban ; Heller, Nicholas ; Huang, Sharon Xiaolei ; Nguyen, Hien ; Sznitman, Raphael ; Xue, Yuan
Título : Deep Generative Models, and Data Augmentation, Labelling, and Imperfections : First Workshop, DGM4MICCAI 2021, and First Workshop, DALI 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, October 1, 2021, Proceedings Tipo de documento: documento electrónico Autores: Engelhardt, Sandy, ; Oksuz, Ilkay, ; Zhu, Dajiang, ; Yuan, Yixuan, ; Mukhopadhyay, Anirban, ; Heller, Nicholas, ; Huang, Sharon Xiaolei, ; Nguyen, Hien, ; Sznitman, Raphael, ; Xue, Yuan, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XV, 278 p. 104 ilustraciones, 82 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-88210-5 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Procesamiento de imágenes Visión por computador Inteligencia artificial Bioinformática Imágenes por computadora visión reconocimiento de patrones y gráficos Biología Computacional y de Sistemas Índice Dewey: 6 Resumen: Este libro constituye las actas arbitradas del Primer Taller MICCAI sobre Modelos Generativos Profundos, DG4MICCAI 2021, y el Primer Taller MICCAI sobre Aumento, Etiquetado e Imperfecciones de Datos, DALI 2021, celebrado junto con MICCAI 2021, en octubre de 2021. Los talleres fueron Estaba previsto que se llevara a cabo en Estrasburgo, Francia, pero se llevaron a cabo virtualmente debido a la pandemia de COVID-19. DG4MICCAI 2021 aceptó 12 artículos de las 17 presentaciones recibidas. El taller se centra en desarrollos algorítmicos recientes, nuevos resultados y direcciones futuras prometedoras en modelos generativos profundos. Los modelos generativos profundos, como Generative Adversarial Network (GAN) y Variational Auto-Encoder (VAE), están recibiendo actualmente una amplia atención no solo de las comunidades de visión por computadora y aprendizaje automático, sino también de la comunidad MIC y CAI. Para DALI 2021, se aceptó para publicación 15 artículos de 32 presentaciones. Se centran en el estudio riguroso de datos médicos relacionados con sistemas de aprendizaje automático. . Nota de contenido: DGM4MICCAI 2021 - Image-to-Image Translation, Synthesis -- Frequency-Supervised MRI-to-CT Image Synthesis -- Ultrasound Variational Style Transfer to Generate Images Beyond the Observed Domain -- 3D-StyleGAN: A Style-Based Generative Adversarial Network for Generative Modeling of Three-Dimensional Medical Images -- Bridging the gap between paired and unpaired medical image translation -- Conditional generation of medical images via disentangled adversarial inference. -CT-SGAN: Computed Tomography Synthesis GAN -- Hierarchical Probabilistic Ultrasound Image Inpainting via Variational Inference -- CaCL: class-aware codebook learning for weakly supervised segmentation on diffuse image patterns -- BrainNetGAN: Data augmentation of brain connectivity using generative adversarial network for dementia classification -- Evaluating GANs in medical imaging -- DGM4MICCAI 2021 - AdaptOR challenge -- Improved Heatmap-based Landmark Detection -- Cross-domain Landmarks Detection in Mitral Regurgitation -- DALI2021 -- Scalable Semi-supervised Landmark Localization for X-ray Images using Few-shot Deep Adaptive Graph -- Semi-supervised Surgical Tool Detection Based on Highly Confident Pseudo Labeling and Strong Augmentation Driven Consistency -- One-shot Learning for Landmarks Detection -- Compound Figure Separation of Biomedical Images with Side Loss -- Data Augmentation with Variational Autoencoders and Manifold Sampling -- Medical image segmentation with imperfect 3D bounding boxes -- Automated Iterative Label Transfer Improves Segmentation of Noisy Cells in Adaptive Optics Retinal Images -- How Few Annotations are Needed for Segmentation using a Multi-planar U-Net? -- FS-Net: A New Paradigm of Data Expansion for Medical Image Segmentation -- An Efficient Data Strategy for the Detection of Brain Aneurysms from MRA with Deep Learning -- Evaluation of Active Learning Techniques on Medical Image Classification with Unbalanced Data Distributions -- Zero-Shot Domain Adaptation in CT Segmentation by Filtered Back Projection Augmentation -- Label Noise in Segmentation Networks : Mitigation Must Deal with Bias -- DeepMCAT: Large-Scale Deep Clustering for Medical Image Categorization -- MetaHistoSeg: A Python Framework for Meta Learning in Histopathology Image Segmentation. 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 Deep Generative Models, and Data Augmentation, Labelling, and Imperfections : First Workshop, DGM4MICCAI 2021, and First Workshop, DALI 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, October 1, 2021, Proceedings [documento electrónico] / Engelhardt, Sandy, ; Oksuz, Ilkay, ; Zhu, Dajiang, ; Yuan, Yixuan, ; Mukhopadhyay, Anirban, ; Heller, Nicholas, ; Huang, Sharon Xiaolei, ; Nguyen, Hien, ; Sznitman, Raphael, ; Xue, Yuan, . - 1 ed. . - [s.l.] : Springer, 2021 . - XV, 278 p. 104 ilustraciones, 82 ilustraciones en color.
ISBN : 978-3-030-88210-5
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Procesamiento de imágenes Visión por computador Inteligencia artificial Bioinformática Imágenes por computadora visión reconocimiento de patrones y gráficos Biología Computacional y de Sistemas Índice Dewey: 6 Resumen: Este libro constituye las actas arbitradas del Primer Taller MICCAI sobre Modelos Generativos Profundos, DG4MICCAI 2021, y el Primer Taller MICCAI sobre Aumento, Etiquetado e Imperfecciones de Datos, DALI 2021, celebrado junto con MICCAI 2021, en octubre de 2021. Los talleres fueron Estaba previsto que se llevara a cabo en Estrasburgo, Francia, pero se llevaron a cabo virtualmente debido a la pandemia de COVID-19. DG4MICCAI 2021 aceptó 12 artículos de las 17 presentaciones recibidas. El taller se centra en desarrollos algorítmicos recientes, nuevos resultados y direcciones futuras prometedoras en modelos generativos profundos. Los modelos generativos profundos, como Generative Adversarial Network (GAN) y Variational Auto-Encoder (VAE), están recibiendo actualmente una amplia atención no solo de las comunidades de visión por computadora y aprendizaje automático, sino también de la comunidad MIC y CAI. Para DALI 2021, se aceptó para publicación 15 artículos de 32 presentaciones. Se centran en el estudio riguroso de datos médicos relacionados con sistemas de aprendizaje automático. . Nota de contenido: DGM4MICCAI 2021 - Image-to-Image Translation, Synthesis -- Frequency-Supervised MRI-to-CT Image Synthesis -- Ultrasound Variational Style Transfer to Generate Images Beyond the Observed Domain -- 3D-StyleGAN: A Style-Based Generative Adversarial Network for Generative Modeling of Three-Dimensional Medical Images -- Bridging the gap between paired and unpaired medical image translation -- Conditional generation of medical images via disentangled adversarial inference. -CT-SGAN: Computed Tomography Synthesis GAN -- Hierarchical Probabilistic Ultrasound Image Inpainting via Variational Inference -- CaCL: class-aware codebook learning for weakly supervised segmentation on diffuse image patterns -- BrainNetGAN: Data augmentation of brain connectivity using generative adversarial network for dementia classification -- Evaluating GANs in medical imaging -- DGM4MICCAI 2021 - AdaptOR challenge -- Improved Heatmap-based Landmark Detection -- Cross-domain Landmarks Detection in Mitral Regurgitation -- DALI2021 -- Scalable Semi-supervised Landmark Localization for X-ray Images using Few-shot Deep Adaptive Graph -- Semi-supervised Surgical Tool Detection Based on Highly Confident Pseudo Labeling and Strong Augmentation Driven Consistency -- One-shot Learning for Landmarks Detection -- Compound Figure Separation of Biomedical Images with Side Loss -- Data Augmentation with Variational Autoencoders and Manifold Sampling -- Medical image segmentation with imperfect 3D bounding boxes -- Automated Iterative Label Transfer Improves Segmentation of Noisy Cells in Adaptive Optics Retinal Images -- How Few Annotations are Needed for Segmentation using a Multi-planar U-Net? -- FS-Net: A New Paradigm of Data Expansion for Medical Image Segmentation -- An Efficient Data Strategy for the Detection of Brain Aneurysms from MRA with Deep Learning -- Evaluation of Active Learning Techniques on Medical Image Classification with Unbalanced Data Distributions -- Zero-Shot Domain Adaptation in CT Segmentation by Filtered Back Projection Augmentation -- Label Noise in Segmentation Networks : Mitigation Must Deal with Bias -- DeepMCAT: Large-Scale Deep Clustering for Medical Image Categorization -- MetaHistoSeg: A Python Framework for Meta Learning in Histopathology Image Segmentation. 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 : Multimodal Brain Image Analysis and Mathematical Foundations of Computational Anatomy : 4th International Workshop, MBIA 2019, and 7th International Workshop, MFCA 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019, Proceedings Tipo de documento: documento electrónico Autores: Zhu, Dajiang, ; Yan, Jingwen, ; Huang, Heng, ; Shen, Li, ; Thompson, Paul M., ; Westin, Carl-Fredrik, ; Pennec, Xavier, ; Joshi, Sarang, ; Nielsen, Mads, ; Fletcher, Tom, ; Durrleman, Stanley, ; Sommer, Stefan, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XVII, 230 p. 113 ilustraciones, 91 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-33226-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Sistemas de reconocimiento de patrones Visión por computador Inteligencia artificial Red de computadoras Reconocimiento de patrones automatizado Redes de comunicación informática Índice Dewey: 006.4 Reconocimiento de patrones por computador Resumen: Este libro constituye las actas conjuntas arbitradas del 4.º Taller internacional sobre análisis de imágenes cerebrales multimodales, MBAI 2019, y el 7.º Taller internacional sobre fundamentos matemáticos de la anatomía computacional, MFCA 2019, celebrado junto con la 22.ª Conferencia internacional sobre imágenes médicas e informática. Intervención Asistida, MICCAI 2019, en Shenzhen, China, en octubre de 2019. Los 16 artículos completos presentados en MBAI 2019 y los 7 artículos completos presentados en MFCA 2019 fueron cuidadosamente revisados y seleccionados. Los artículos de MBAI pretenden avanzar en el estado del arte en el análisis multimodal de imágenes cerebrales, en términos de metodologías de análisis, algoritmos, sistemas de software, enfoques de validación, conjuntos de datos de referencia, neurociencia y aplicaciones clínicas. Los artículos de MFCA están dedicados a métodos estadísticos y geométricos para modelar la variabilidad de formas biológicas. El objetivo es fomentar las interacciones entre la comunidad matemática en torno a las formas y la comunidad MICCAI en torno a las aplicaciones de anatomía computacional. Nota de contenido: MBIA -- Non-rigid Registration of White Matter Tractography Using Coherent Point Drift Algorithm -- An Edge Enhanced SRGAN for MRI Super Resolution in Slice-selection Direction -- Exploring Functional Connectivity Biomarker in Autism Using Group-wise Sparse Representation -- Classifying Stages of Mild Cognitive Impairment via Augmented Graph Embedding -- Mapping the spatio-temporal functional coherence in the resting brain -- Species-Preserved Structural Connections Revealed by Sparse Tensor CCA -- Identification of Abnormal Cortical 3-hinge Folding Patterns on Autism Spectral Brains -- Exploring Brain Hemodynamic Response Patterns Via Deep Recurrent Autoencoder -- 3D Convolutional Long-short Term Memory Network for Spatiotemporal Modeling of fMRI Data -- Biological Knowledge Guided Deep Neural Network for Genotype-Phenotype Association Study -- Learning Human Cognition via fMRI Analysis Using 3D CNN and Graph Neural Network -- CU-Net: Cascaded U-Net with Loss Weighted Sampling for Brain Tumor Segmentation -- BrainPainter: A software for the visualisation of brain structures, biomarkers and associated pathological processes -- Structural Similarity based Anatomical and Functional Brain Imaging Fusion -- Multimodal Brain Tumor Segmentation Using Encoder-Decoder with Hierarchical Separable Convolution -- Prioritizing Amyloid Imaging Biomarkers in Alzheimer's Disease via Learning to Rank -- MFCA -- Diffeomorphic Metric Learning and Template Optimization for Registration-Based Predictive Models -- 3D mapping of serial histology sections with anomalies using a novel robust deformable registration algorithm -- Spatiotemporal Modeling for Image Time Series with Appearance Change: Application to Early Brain Development -- Surface Foliation Based Brain Morphometry Analysis -- Mixture Probabilistic Principal Geodesic Analysis -- A Geodesic Mixed Effects Model in Kendall's Shape Space -- An as-invariant-as-possible GL+(3)-based Statistical Shape Model. 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 Multimodal Brain Image Analysis and Mathematical Foundations of Computational Anatomy : 4th International Workshop, MBIA 2019, and 7th International Workshop, MFCA 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019, Proceedings [documento electrónico] / Zhu, Dajiang, ; Yan, Jingwen, ; Huang, Heng, ; Shen, Li, ; Thompson, Paul M., ; Westin, Carl-Fredrik, ; Pennec, Xavier, ; Joshi, Sarang, ; Nielsen, Mads, ; Fletcher, Tom, ; Durrleman, Stanley, ; Sommer, Stefan, . - 1 ed. . - [s.l.] : Springer, 2019 . - XVII, 230 p. 113 ilustraciones, 91 ilustraciones en color.
ISBN : 978-3-030-33226-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Sistemas de reconocimiento de patrones Visión por computador Inteligencia artificial Red de computadoras Reconocimiento de patrones automatizado Redes de comunicación informática Índice Dewey: 006.4 Reconocimiento de patrones por computador Resumen: Este libro constituye las actas conjuntas arbitradas del 4.º Taller internacional sobre análisis de imágenes cerebrales multimodales, MBAI 2019, y el 7.º Taller internacional sobre fundamentos matemáticos de la anatomía computacional, MFCA 2019, celebrado junto con la 22.ª Conferencia internacional sobre imágenes médicas e informática. Intervención Asistida, MICCAI 2019, en Shenzhen, China, en octubre de 2019. Los 16 artículos completos presentados en MBAI 2019 y los 7 artículos completos presentados en MFCA 2019 fueron cuidadosamente revisados y seleccionados. Los artículos de MBAI pretenden avanzar en el estado del arte en el análisis multimodal de imágenes cerebrales, en términos de metodologías de análisis, algoritmos, sistemas de software, enfoques de validación, conjuntos de datos de referencia, neurociencia y aplicaciones clínicas. Los artículos de MFCA están dedicados a métodos estadísticos y geométricos para modelar la variabilidad de formas biológicas. El objetivo es fomentar las interacciones entre la comunidad matemática en torno a las formas y la comunidad MICCAI en torno a las aplicaciones de anatomía computacional. Nota de contenido: MBIA -- Non-rigid Registration of White Matter Tractography Using Coherent Point Drift Algorithm -- An Edge Enhanced SRGAN for MRI Super Resolution in Slice-selection Direction -- Exploring Functional Connectivity Biomarker in Autism Using Group-wise Sparse Representation -- Classifying Stages of Mild Cognitive Impairment via Augmented Graph Embedding -- Mapping the spatio-temporal functional coherence in the resting brain -- Species-Preserved Structural Connections Revealed by Sparse Tensor CCA -- Identification of Abnormal Cortical 3-hinge Folding Patterns on Autism Spectral Brains -- Exploring Brain Hemodynamic Response Patterns Via Deep Recurrent Autoencoder -- 3D Convolutional Long-short Term Memory Network for Spatiotemporal Modeling of fMRI Data -- Biological Knowledge Guided Deep Neural Network for Genotype-Phenotype Association Study -- Learning Human Cognition via fMRI Analysis Using 3D CNN and Graph Neural Network -- CU-Net: Cascaded U-Net with Loss Weighted Sampling for Brain Tumor Segmentation -- BrainPainter: A software for the visualisation of brain structures, biomarkers and associated pathological processes -- Structural Similarity based Anatomical and Functional Brain Imaging Fusion -- Multimodal Brain Tumor Segmentation Using Encoder-Decoder with Hierarchical Separable Convolution -- Prioritizing Amyloid Imaging Biomarkers in Alzheimer's Disease via Learning to Rank -- MFCA -- Diffeomorphic Metric Learning and Template Optimization for Registration-Based Predictive Models -- 3D mapping of serial histology sections with anomalies using a novel robust deformable registration algorithm -- Spatiotemporal Modeling for Image Time Series with Appearance Change: Application to Early Brain Development -- Surface Foliation Based Brain Morphometry Analysis -- Mixture Probabilistic Principal Geodesic Analysis -- A Geodesic Mixed Effects Model in Kendall's Shape Space -- An as-invariant-as-possible GL+(3)-based Statistical Shape Model. 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
