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