Título :	24th International Conference, Strasbourg, France, September 27–October 1, 2021, Proceedings, Part I
Tipo de documento:	documento electrónico
Autores:	de Bruijne, Marleen, ; Cattin, Philippe C., ; Cotin, Stéphane, ; Padoy, Nicolas, ; Speidel, Stefanie, ; Zheng, Yefeng, ; Essert, Caroline,
Mención de edición:	1 ed.
Editorial:	[s.l.] : Springer
Fecha de publicación:	2021
Número de páginas:	XXXVII, 746 p. 252 ilustraciones
ISBN/ISSN/DL:	978-3-030-87193-2
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  Ingeniería Informática  Red de computadoras  Bioinformática  Sistemas de reconocimiento de patrones  Ingeniería Informática y Redes  Biología Computacional y de Sistemas  Reconocimiento de patrones automatizado
Índice Dewey:	006.37 Visión artificial
Resumen:	El conjunto de ocho volúmenes LNCS 12901, 12902, 12903, 12904, 12905, 12906, 12907 y 12908 constituye las actas arbitradas de la 24.ª Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2021, celebrada en Estrasburgo, Francia. en septiembre/octubre de 2021.* Los 531 artículos completos revisados ​​presentados fueron cuidadosamente revisados ​​y seleccionados entre 1630 presentaciones en un proceso de revisión doble ciego. Los artículos están organizados en las siguientes secciones temáticas: Parte I: segmentación de imágenes Parte II: aprendizaje automático - aprendizaje autosupervisado; aprendizaje automático: aprendizaje semisupervisado; y aprendizaje automático: aprendizaje débilmente supervisado. Parte III: aprendizaje automático: avances en la teoría del aprendizaje automático; aprendizaje automático: modelos de atención; aprendizaje automático: adaptación de dominios; aprendizaje automático: aprendizaje federado; aprendizaje automático: interpretabilidad / explicabilidad; y aprendizaje automático - incertidumbre Parte IV: registro de imágenes; intervenciones y cirugía guiadas por imágenes; ciencia de datos quirúrgicos; planificación y simulación quirúrgica; análisis de habilidades quirúrgicas y flujo de trabajo; y visualización quirúrgica y realidad mixta, aumentada y virtual. Parte V: diagnóstico asistido por ordenador; integración de imágenes con biomarcadores sin imágenes; y predicción de resultados/enfermedades. Parte VI: reconstrucción de imágenes; aplicaciones clínicas - cardíacas; y aplicaciones clínicas - vasculares Parte VII: aplicaciones clínicas - abdomen; aplicaciones clínicas - mama; aplicaciones clínicas - dermatología; aplicaciones clínicas: imágenes fetales; aplicaciones clínicas - pulmón; aplicaciones clínicas - neuroimagen - desarrollo cerebral; aplicaciones clínicas - neuroimagen - DWI y tractografía; aplicaciones clínicas - neuroimagen - redes cerebrales funcionales; aplicaciones clínicas - neuroimagen - otras; y aplicaciones clínicas - oncología Parte VIII: aplicaciones clínicas - oftalmología; patología computacional (integrativa); modalidades - microscopía; modalidades - histopatología; y modalidades - ultrasonido *La conferencia se realizó de manera virtual.
Nota de contenido:	Image Segmentation -- Noisy Labels are Treasure: Mean-Teacher-Assisted Confident Learning for Hepatic Vessel Segmentation -- TransFuse: Fusing Transformers and CNNs for Medical Image Segmentation -- Pancreas CT Segmentation by Predictive Phenotyping -- Medical Transformer: Gated Axial-Attention for Medical Image Segmentation -- Anatomy-Constrained Contrastive Learning for Synthetic Segmentation without Ground-truth -- Study Group Learning: Improving Retinal Vessel Segmentation Trained with Noisy Labels -- Multi-phase Liver Tumor Segmentation with Spatial Aggregation and Uncertain Region Inpainting -- Convolution-Free Medical Image Segmentation using Transformer Networks -- Consistent Segmentation of Longitudinal Brain MR Images with Spatio-Temporal Constrained Networks -- A Multi-Branch Hybrid Transformer Network for Corneal Endothelial Cell Segmentation -- TransBTS: Multimodal Brain Tumor Segmentation Using Transformer -- Automatic Polyp Segmentation via Multi-scale Subtraction Network -- Patch-Free 3D Medical Image Segmentation Driven by Super-Resolution Technique and Self-Supervised Guidance -- Progressively Normalized Self-Attention Network for Video Polyp Segmentation -- SGNet: Structure-aware Graph-based Network for Airway Semantic Segmentation -- NucMM Dataset: 3D Neuronal Nuclei Instance Segmentation at Sub-Cubic Millimeter Scale -- AxonEM Dataset: 3D Axon Instance Segmentation of Brain Cortical Regions -- Improved Brain Lesion Segmentation with Anatomical Priors from Healthy Subjects -- CarveMix: A Simple Data Augmentation Method for Brain Lesion Segmentation -- Boundary-aware Transformers for Skin Lesion Segmentation -- A Topological-Attention ConvLSTM Network and Its Application to EM Images -- BiX-NAS: Searching Efficient Bi-directional Architecture for Medical Image Segmentation -- Multi-Task, Multi-Domain Deep Segmentation with Shared Representations and Contrastive Regularization for Sparse Pediatric Datasets -- TEDS-Net: Enforcing Diffeomorphisms in Spatial Transformers to Guarantee Topology Preservation in Segmentations -- Learning Consistency- and Discrepancy-Context for 2D Organ Segmentation -- Partial-supervised Learning for Vessel Segmentation in Ocular Images -- Unsupervised Network Learning for Cell Segmentation -- MT-UDA: Towards Unsupervised Cross-Modality Medical Image Segmentation with Limited Source Labels -- Context-aware virtual adversarial training for anatomically-plausible segmentation -- Interactive segmentation via deep learning and B-spline explicit active surfaces -- Multi-Compound Transformer for Accurate Biomedical Image Segmentation -- kCBAC-Net: Deeply Supervised Complete Bipartite Networks with Asymmetric Convolutions for Medical Image Segmentation -- Multi-frame Attention Network for Left Ventricle Segmentation in 3D Echocardiography -- Coarse-to-fine Segmentation of Organs at Risk in Nasopharyngeal Carcinoma Radiotherapy -- Joint Segmentation and Quantification of Main Coronary Vessels Using Dual-branch Multi-scale Attention Network -- A Spatial Guided Self-supervised Clustering Network for Medical Image Segmentation -- Comprehensive Importance-based Selective Regularization for Continual Segmentation Across Multiple Sites -- ReSGAN: Intracranial Hemorrhage Segmentation with Residuals of Synthetic Brain CT Scans -- Refined Local-imbalance-based Weight for Airway Segmentation in CT -- Selective Learning from External Data for CT Image Segmentation -- Projective Skip-Connections for Segmentation Along a Subset of Dimensions in Retinal OCT -- MouseGAN: GAN-Based Multiple MRI Modalities Synthesis and Segmentation for Mouse Brain Structures -- Style Curriculum Learning for Robust Medical Image Segmentation -- Towards Efficient Human-Machine Collaboration: Real-Time Correction Effort Prediction for Ultrasound Data Acquisition -- Residual Feedback Network for Breast Lesion Segmentation in Ultrasound Image -- Learning to Address Intra-segment Misclassification in Retinal Imaging -- Flip Learning: Erase to Segment -- DC-Net: Dual Context Network for 2D Medical Image Segmentation -- LIFE: A Generalizable Autodidactic Pipeline for 3D OCT-A Vessel Segmentation -- Superpixel-guided Iterative Learning from Noisy Labels for Medical Image Segmentation -- A hybrid attention ensemble framework for zonal prostate segmentation -- 3D-UCaps: 3D Capsules Unet for Volumetric Image Segmentation -- HRENet: A Hard Region Enhancement Network for Polyp Segmentation -- A Novel Hybrid Convolutional Neural Network for Accurate Organ Segmentation in 3D Head and Neck CT Images -- TumorCP: A Simple but Effective Object-Level Data Augmentation for Tumor Segmentation -- Modality-aware Mutual Learning for Multi-modal Medical Image Segmentation -- Hybrid graph convolutional neural networks for anatomical segmentation -- RibSeg Dataset and Strong Point Cloud Baselines for Rib Segmentation from CT Scans -- Hierarchical Self-Supervised Learning for Medical Image Segmentation Based on Multi-Domain Data Aggregation -- CCBANet: Cascading Context and BalancingAttention for Polyp Segmentation -- Point-Unet: A Context-aware Point-based Neural Network for Volumetric Segmentation -- TUN-Det: A Novel Network for Thyroid Ultrasound Nodule Detection -- Distilling effective supervision for robust medical image segmentation with noisy labels -- On the relationship between calibrated predictors and unbiased volume estimation -- High-resolution segmentation of lumbar vertebrae from conventional thick slice MRI -- Shallow Attention Network for Polyp Segmentation -- A Line to Align: Deep Dynamic Time Warping for Retinal OCT Segmentation -- Learnable Oriented-Derivative Network for Polyp Segmentation -- LambdaUNet: 2.5D Stroke Lesion Segmentation of Diffusion-weighted 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

24th International Conference, Strasbourg, France, September 27–October 1, 2021, Proceedings, Part I [documento electrónico] / de Bruijne, Marleen, ; Cattin, Philippe C., ; Cotin, Stéphane, ; Padoy, Nicolas, ; Speidel, Stefanie, ; Zheng, Yefeng, ; Essert, Caroline,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XXXVII, 746 p. 252 ilustraciones.
ISBN : 978-3-030-87193-2
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  Ingeniería Informática  Red de computadoras  Bioinformática  Sistemas de reconocimiento de patrones  Ingeniería Informática y Redes  Biología Computacional y de Sistemas  Reconocimiento de patrones automatizado
Índice Dewey:	006.37 Visión artificial
Resumen:	El conjunto de ocho volúmenes LNCS 12901, 12902, 12903, 12904, 12905, 12906, 12907 y 12908 constituye las actas arbitradas de la 24.ª Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2021, celebrada en Estrasburgo, Francia. en septiembre/octubre de 2021.* Los 531 artículos completos revisados ​​presentados fueron cuidadosamente revisados ​​y seleccionados entre 1630 presentaciones en un proceso de revisión doble ciego. Los artículos están organizados en las siguientes secciones temáticas: Parte I: segmentación de imágenes Parte II: aprendizaje automático - aprendizaje autosupervisado; aprendizaje automático: aprendizaje semisupervisado; y aprendizaje automático: aprendizaje débilmente supervisado. Parte III: aprendizaje automático: avances en la teoría del aprendizaje automático; aprendizaje automático: modelos de atención; aprendizaje automático: adaptación de dominios; aprendizaje automático: aprendizaje federado; aprendizaje automático: interpretabilidad / explicabilidad; y aprendizaje automático - incertidumbre Parte IV: registro de imágenes; intervenciones y cirugía guiadas por imágenes; ciencia de datos quirúrgicos; planificación y simulación quirúrgica; análisis de habilidades quirúrgicas y flujo de trabajo; y visualización quirúrgica y realidad mixta, aumentada y virtual. Parte V: diagnóstico asistido por ordenador; integración de imágenes con biomarcadores sin imágenes; y predicción de resultados/enfermedades. Parte VI: reconstrucción de imágenes; aplicaciones clínicas - cardíacas; y aplicaciones clínicas - vasculares Parte VII: aplicaciones clínicas - abdomen; aplicaciones clínicas - mama; aplicaciones clínicas - dermatología; aplicaciones clínicas: imágenes fetales; aplicaciones clínicas - pulmón; aplicaciones clínicas - neuroimagen - desarrollo cerebral; aplicaciones clínicas - neuroimagen - DWI y tractografía; aplicaciones clínicas - neuroimagen - redes cerebrales funcionales; aplicaciones clínicas - neuroimagen - otras; y aplicaciones clínicas - oncología Parte VIII: aplicaciones clínicas - oftalmología; patología computacional (integrativa); modalidades - microscopía; modalidades - histopatología; y modalidades - ultrasonido *La conferencia se realizó de manera virtual.
Nota de contenido:	Image Segmentation -- Noisy Labels are Treasure: Mean-Teacher-Assisted Confident Learning for Hepatic Vessel Segmentation -- TransFuse: Fusing Transformers and CNNs for Medical Image Segmentation -- Pancreas CT Segmentation by Predictive Phenotyping -- Medical Transformer: Gated Axial-Attention for Medical Image Segmentation -- Anatomy-Constrained Contrastive Learning for Synthetic Segmentation without Ground-truth -- Study Group Learning: Improving Retinal Vessel Segmentation Trained with Noisy Labels -- Multi-phase Liver Tumor Segmentation with Spatial Aggregation and Uncertain Region Inpainting -- Convolution-Free Medical Image Segmentation using Transformer Networks -- Consistent Segmentation of Longitudinal Brain MR Images with Spatio-Temporal Constrained Networks -- A Multi-Branch Hybrid Transformer Network for Corneal Endothelial Cell Segmentation -- TransBTS: Multimodal Brain Tumor Segmentation Using Transformer -- Automatic Polyp Segmentation via Multi-scale Subtraction Network -- Patch-Free 3D Medical Image Segmentation Driven by Super-Resolution Technique and Self-Supervised Guidance -- Progressively Normalized Self-Attention Network for Video Polyp Segmentation -- SGNet: Structure-aware Graph-based Network for Airway Semantic Segmentation -- NucMM Dataset: 3D Neuronal Nuclei Instance Segmentation at Sub-Cubic Millimeter Scale -- AxonEM Dataset: 3D Axon Instance Segmentation of Brain Cortical Regions -- Improved Brain Lesion Segmentation with Anatomical Priors from Healthy Subjects -- CarveMix: A Simple Data Augmentation Method for Brain Lesion Segmentation -- Boundary-aware Transformers for Skin Lesion Segmentation -- A Topological-Attention ConvLSTM Network and Its Application to EM Images -- BiX-NAS: Searching Efficient Bi-directional Architecture for Medical Image Segmentation -- Multi-Task, Multi-Domain Deep Segmentation with Shared Representations and Contrastive Regularization for Sparse Pediatric Datasets -- TEDS-Net: Enforcing Diffeomorphisms in Spatial Transformers to Guarantee Topology Preservation in Segmentations -- Learning Consistency- and Discrepancy-Context for 2D Organ Segmentation -- Partial-supervised Learning for Vessel Segmentation in Ocular Images -- Unsupervised Network Learning for Cell Segmentation -- MT-UDA: Towards Unsupervised Cross-Modality Medical Image Segmentation with Limited Source Labels -- Context-aware virtual adversarial training for anatomically-plausible segmentation -- Interactive segmentation via deep learning and B-spline explicit active surfaces -- Multi-Compound Transformer for Accurate Biomedical Image Segmentation -- kCBAC-Net: Deeply Supervised Complete Bipartite Networks with Asymmetric Convolutions for Medical Image Segmentation -- Multi-frame Attention Network for Left Ventricle Segmentation in 3D Echocardiography -- Coarse-to-fine Segmentation of Organs at Risk in Nasopharyngeal Carcinoma Radiotherapy -- Joint Segmentation and Quantification of Main Coronary Vessels Using Dual-branch Multi-scale Attention Network -- A Spatial Guided Self-supervised Clustering Network for Medical Image Segmentation -- Comprehensive Importance-based Selective Regularization for Continual Segmentation Across Multiple Sites -- ReSGAN: Intracranial Hemorrhage Segmentation with Residuals of Synthetic Brain CT Scans -- Refined Local-imbalance-based Weight for Airway Segmentation in CT -- Selective Learning from External Data for CT Image Segmentation -- Projective Skip-Connections for Segmentation Along a Subset of Dimensions in Retinal OCT -- MouseGAN: GAN-Based Multiple MRI Modalities Synthesis and Segmentation for Mouse Brain Structures -- Style Curriculum Learning for Robust Medical Image Segmentation -- Towards Efficient Human-Machine Collaboration: Real-Time Correction Effort Prediction for Ultrasound Data Acquisition -- Residual Feedback Network for Breast Lesion Segmentation in Ultrasound Image -- Learning to Address Intra-segment Misclassification in Retinal Imaging -- Flip Learning: Erase to Segment -- DC-Net: Dual Context Network for 2D Medical Image Segmentation -- LIFE: A Generalizable Autodidactic Pipeline for 3D OCT-A Vessel Segmentation -- Superpixel-guided Iterative Learning from Noisy Labels for Medical Image Segmentation -- A hybrid attention ensemble framework for zonal prostate segmentation -- 3D-UCaps: 3D Capsules Unet for Volumetric Image Segmentation -- HRENet: A Hard Region Enhancement Network for Polyp Segmentation -- A Novel Hybrid Convolutional Neural Network for Accurate Organ Segmentation in 3D Head and Neck CT Images -- TumorCP: A Simple but Effective Object-Level Data Augmentation for Tumor Segmentation -- Modality-aware Mutual Learning for Multi-modal Medical Image Segmentation -- Hybrid graph convolutional neural networks for anatomical segmentation -- RibSeg Dataset and Strong Point Cloud Baselines for Rib Segmentation from CT Scans -- Hierarchical Self-Supervised Learning for Medical Image Segmentation Based on Multi-Domain Data Aggregation -- CCBANet: Cascading Context and BalancingAttention for Polyp Segmentation -- Point-Unet: A Context-aware Point-based Neural Network for Volumetric Segmentation -- TUN-Det: A Novel Network for Thyroid Ultrasound Nodule Detection -- Distilling effective supervision for robust medical image segmentation with noisy labels -- On the relationship between calibrated predictors and unbiased volume estimation -- High-resolution segmentation of lumbar vertebrae from conventional thick slice MRI -- Shallow Attention Network for Polyp Segmentation -- A Line to Align: Deep Dynamic Time Warping for Retinal OCT Segmentation -- Learnable Oriented-Derivative Network for Polyp Segmentation -- LambdaUNet: 2.5D Stroke Lesion Segmentation of Diffusion-weighted 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