Título :	24th International Conference, Strasbourg, France, September 27–October 1, 2021, Proceedings, Part III
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:	XXXVI, 648 p. 200 ilustraciones, 185 ilustraciones en color.
ISBN/ISSN/DL:	978-3-030-87199-4
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  Sistemas de reconocimiento de patrones  Bioinformática  Informática Médica  Reconocimiento de patrones automatizado  Biología Computacional y de Sistemas  Informática de la Salud
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:	Machine Learning - Advances in Machine Learning Theory -- Towards Robust General Medical Image Segmentation -- Joint Motion Correction and Super Resolution for Cardiac Segmentation via Latent Optimisation -- Targeted Gradient Descent: A Novel Method for Convolutional Neural Networks Fine-tuning and Online-learning -- A Hierarchical Feature Constraint to CamouflageMedical Adversarial Attacks -- Group Shift Pointwise Convolution for Volumetric Medical Image Segmentation -- Machine Learning - Attention models -- UTNet: A Hybrid Transformer Architecture for Medical Image Segmentation -- AlignTransformer: Hierarchical Alignment of Visual Regions and Disease Tags for Medical Report Generation -- Continuous-Time Deep Glioma Growth Models -- Spine-Transformers: Vertebra Detection and Localization in Arbitrary Field-of-View Spine CT with Transformers -- Multi-view analysis of unregistered medical images using cross-view transformers -- Machine Learning - Domain Adaptation -- Stain Mix-up: Unsupervised Domain Generalization for Histopathology Images -- A Unified Hyper-GAN Model for Unpaired Multi-contrast MR Image Translation -- Generative Self-training for Cross-domain Unsupervised Tagged-to-Cine MRI Synthesis -- Cooperative Training and Latent Space Data Augmentation for Robust Medical Image Segmentation -- Controllable cardiac synthesis via disentangled anatomy arithmetic -- CoTr: Efficiently Bridging CNN and Transformer for 3D Medical Image Segmentation -- Harmonization with Flow-based Causal Inference -- Uncertainty-Aware Label Rectification for Domain Adaptive Mitochondria Segmentation -- Semantic Consistent Unsupervised Domain Adaptation for Cross-modality Medical Image Segmentation -- Anatomy of Domain Shift Impact on U-Net Layers in MRI Segmentation -- FoldIt: Haustral Folds Detection and Segmentation in Colonoscopy Videos -- Reference-Relation Guided Autoencoder with Deep CCA Restriction for Awake-to-Sleep Brain Functional Connectome Prediction -- Domain Composition and Attention for Unseen-Domain Generalizable Medical Image Segmentation -- Fully Test-time Adaptation for Image Segmentation -- OLVA: Optimal Latent Vector Alignment for Unsupervised Domain Adaptation in Medical Image Segmentation -- Prototypical Interaction Graph for Unsupervised Domain Adaptation in Surgical Instrument Segmentation -- Unsupervised Domain Adaptation for Small Bowel Segmentation using Disentangled Representation -- Data-driven mapping between functional connectomes using optimal transport -- EndoUDA: A modality independent segmentation approach for endoscopy imaging -- Style Transfer Using Generative Adversarial Networks for Multi-Site MRI Harmonization -- Machine Learning - Federated Learning -- Federated Semi-supervised Medical Image Classification via Inter-client Relation Matching -- FedPerl: Semi-Supervised Peer Learning for Skin Lesion Classification -- Personalized Retrogress-Resilient Framework for Real-World Medical Federated Learning -- Federated Whole Prostate Segmentation in MRI with Personalized Neural Architectures -- Federated Contrastive Learning for Volumetric Medical Image Segmentation -- Federated Contrastive Learning for Decentralized Unlabeled Medical Images -- Machine Learning - Interpretability / Explainability -- Explaining COVID-19 and Thoracic Pathology Model Predictions by Identifying Informative Input Features -- Demystifying T1-MRI to FDG18-PET Image Translation via Representational Similarity -- Fairness in Cardiac MR Image Analysis: An Investigation of Bias Due to Data Imbalance in Deep Learning Based Segmentation -- An Interpretable Approach to Automated Severity Scoring in Pelvic Trauma -- Scalable, Axiomatic Explanations of Deep Alzheimer's Diagnosis from Heterogeneous Data -- SPARTA: An Integrated Stability, Discriminability, and Sparsity based Radiomic Feature Selection Approach -- The Power of Proxy Data and Proxy Networks for Hyper-Parameter Optimization for Medical Image Segmentation -- Fighting Class Imbalance with ContrastiveLearning -- Interpretable gender classification from retinal fundus images using BagNets -- Explainable Classification of Weakly Annotated Wireless Capsule Endoscopy Images based on a Fuzzy Bag-of-Colour Features Model and Brain Storm Optimization -- Towards Semantic Interpretation of Thoracic Disease and COVID-19 Diagnosis Models -- A Principled Approach to Failure Analysis and Model Repairment: Demonstration in Medical Imaging -- Using Causal Analysis for Conceptual Deep Learning Explanation -- A spherical convolutional neural network for white matter structure imaging via diffusion MRI -- Sharpening Local Interpretable Model-agnostic Explanations for Histopathology: Improved Understandability and Reliability -- Improving the Explainability of Skin Cancer Diagnosis Using CBIR -- PAC Bayesian Performance Guarantees for (Stochastic) Deep Networks in Medical Imaging -- Machine Learning - Uncertainty -- Medical Matting: A New Perspective on Medical Segmentation with Uncertainty -- Confidence-aware Cascaded Network for Fetal Brain Segmentation on MR Images -- Orthogonal Ensemble Networks for Biomedical Image Segmentation -- Learning to Predict Error for MRI Reconstruction -- Uncertainty-Guided Progressive GANs for Medical Image Translation -- Variational Topic Inference for Chest X-Ray Report Generation -- Uncertainty Aware Deep Reinforcement Learning for Anatomical Landmark Detection in Medical 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 III [documento electrónico] / de Bruijne, Marleen, ; Cattin, Philippe C., ; Cotin, Stéphane, ; Padoy, Nicolas, ; Speidel, Stefanie, ; Zheng, Yefeng, ; Essert, Caroline,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XXXVI, 648 p. 200 ilustraciones, 185 ilustraciones en color.
ISBN : 978-3-030-87199-4
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  Sistemas de reconocimiento de patrones  Bioinformática  Informática Médica  Reconocimiento de patrones automatizado  Biología Computacional y de Sistemas  Informática de la Salud
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:	Machine Learning - Advances in Machine Learning Theory -- Towards Robust General Medical Image Segmentation -- Joint Motion Correction and Super Resolution for Cardiac Segmentation via Latent Optimisation -- Targeted Gradient Descent: A Novel Method for Convolutional Neural Networks Fine-tuning and Online-learning -- A Hierarchical Feature Constraint to CamouflageMedical Adversarial Attacks -- Group Shift Pointwise Convolution for Volumetric Medical Image Segmentation -- Machine Learning - Attention models -- UTNet: A Hybrid Transformer Architecture for Medical Image Segmentation -- AlignTransformer: Hierarchical Alignment of Visual Regions and Disease Tags for Medical Report Generation -- Continuous-Time Deep Glioma Growth Models -- Spine-Transformers: Vertebra Detection and Localization in Arbitrary Field-of-View Spine CT with Transformers -- Multi-view analysis of unregistered medical images using cross-view transformers -- Machine Learning - Domain Adaptation -- Stain Mix-up: Unsupervised Domain Generalization for Histopathology Images -- A Unified Hyper-GAN Model for Unpaired Multi-contrast MR Image Translation -- Generative Self-training for Cross-domain Unsupervised Tagged-to-Cine MRI Synthesis -- Cooperative Training and Latent Space Data Augmentation for Robust Medical Image Segmentation -- Controllable cardiac synthesis via disentangled anatomy arithmetic -- CoTr: Efficiently Bridging CNN and Transformer for 3D Medical Image Segmentation -- Harmonization with Flow-based Causal Inference -- Uncertainty-Aware Label Rectification for Domain Adaptive Mitochondria Segmentation -- Semantic Consistent Unsupervised Domain Adaptation for Cross-modality Medical Image Segmentation -- Anatomy of Domain Shift Impact on U-Net Layers in MRI Segmentation -- FoldIt: Haustral Folds Detection and Segmentation in Colonoscopy Videos -- Reference-Relation Guided Autoencoder with Deep CCA Restriction for Awake-to-Sleep Brain Functional Connectome Prediction -- Domain Composition and Attention for Unseen-Domain Generalizable Medical Image Segmentation -- Fully Test-time Adaptation for Image Segmentation -- OLVA: Optimal Latent Vector Alignment for Unsupervised Domain Adaptation in Medical Image Segmentation -- Prototypical Interaction Graph for Unsupervised Domain Adaptation in Surgical Instrument Segmentation -- Unsupervised Domain Adaptation for Small Bowel Segmentation using Disentangled Representation -- Data-driven mapping between functional connectomes using optimal transport -- EndoUDA: A modality independent segmentation approach for endoscopy imaging -- Style Transfer Using Generative Adversarial Networks for Multi-Site MRI Harmonization -- Machine Learning - Federated Learning -- Federated Semi-supervised Medical Image Classification via Inter-client Relation Matching -- FedPerl: Semi-Supervised Peer Learning for Skin Lesion Classification -- Personalized Retrogress-Resilient Framework for Real-World Medical Federated Learning -- Federated Whole Prostate Segmentation in MRI with Personalized Neural Architectures -- Federated Contrastive Learning for Volumetric Medical Image Segmentation -- Federated Contrastive Learning for Decentralized Unlabeled Medical Images -- Machine Learning - Interpretability / Explainability -- Explaining COVID-19 and Thoracic Pathology Model Predictions by Identifying Informative Input Features -- Demystifying T1-MRI to FDG18-PET Image Translation via Representational Similarity -- Fairness in Cardiac MR Image Analysis: An Investigation of Bias Due to Data Imbalance in Deep Learning Based Segmentation -- An Interpretable Approach to Automated Severity Scoring in Pelvic Trauma -- Scalable, Axiomatic Explanations of Deep Alzheimer's Diagnosis from Heterogeneous Data -- SPARTA: An Integrated Stability, Discriminability, and Sparsity based Radiomic Feature Selection Approach -- The Power of Proxy Data and Proxy Networks for Hyper-Parameter Optimization for Medical Image Segmentation -- Fighting Class Imbalance with ContrastiveLearning -- Interpretable gender classification from retinal fundus images using BagNets -- Explainable Classification of Weakly Annotated Wireless Capsule Endoscopy Images based on a Fuzzy Bag-of-Colour Features Model and Brain Storm Optimization -- Towards Semantic Interpretation of Thoracic Disease and COVID-19 Diagnosis Models -- A Principled Approach to Failure Analysis and Model Repairment: Demonstration in Medical Imaging -- Using Causal Analysis for Conceptual Deep Learning Explanation -- A spherical convolutional neural network for white matter structure imaging via diffusion MRI -- Sharpening Local Interpretable Model-agnostic Explanations for Histopathology: Improved Understandability and Reliability -- Improving the Explainability of Skin Cancer Diagnosis Using CBIR -- PAC Bayesian Performance Guarantees for (Stochastic) Deep Networks in Medical Imaging -- Machine Learning - Uncertainty -- Medical Matting: A New Perspective on Medical Segmentation with Uncertainty -- Confidence-aware Cascaded Network for Fetal Brain Segmentation on MR Images -- Orthogonal Ensemble Networks for Biomedical Image Segmentation -- Learning to Predict Error for MRI Reconstruction -- Uncertainty-Guided Progressive GANs for Medical Image Translation -- Variational Topic Inference for Chest X-Ray Report Generation -- Uncertainty Aware Deep Reinforcement Learning for Anatomical Landmark Detection in Medical 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