Título :	Simulation and Synthesis in Medical Imaging : 6th International Workshop, SASHIMI 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings
Tipo de documento:	documento electrónico
Autores:	Svoboda, David, ; Burgos, Ninon, ; Wolterink, Jelmer M., ; Zhao, Can,
Mención de edición:	1 ed.
Editorial:	[s.l.] : Springer
Fecha de publicación:	2021
Número de páginas:	X, 154 p. 58 ilustraciones, 47 ilustraciones en color.
ISBN/ISSN/DL:	978-3-030-87592-3
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  Reconocimiento de patrones automatizado  Biología Computacional y de Sistemas
Índice Dewey:	006.37 Visión artificial
Resumen:	Este libro constituye las actas arbitradas del 6.º Taller Internacional sobre Simulación y Síntesis en Imágenes Médicas, SASHIMI 2021, celebrado junto con MICCAI 2021, en Estrasburgo, Francia, en septiembre de 2021.* Los 14 artículos completos presentados fueron cuidadosamente revisados ​​y seleccionados de 18 presentaciones. Las contribuciones abarcan las siguientes categorías amplias en consonancia con la convocatoria inicial de ponencias: métodos basados ​​en modelos generativos o aprendizaje adversario para la síntesis de imágenes de MRI/CT/microscopía, y varias aplicaciones de síntesis y simulación de imágenes para el aumento de datos, mejora de imágenes, o segmentación. *El taller se realizó de manera virtual.
Nota de contenido:	Method-Oriented Papers -- Detail matters: high-frequency content for realistic synthetic brain MRI generation -- Joint Image and Label Self-Super-Resolution -- Super-resolution by Latent Space Exploration: Training with Poorly-aligned Clinical and Micro CT Image Dataset -- A Glimpse into the Future: Disease Progression Simulation for Breast Cancer in Mammograms -- Synth-by-Reg (SbR): Contrastive learning for synthesis-based registration of paired images -- Learning-based Template Synthesis For Groupwise Image Registration -- The role of MRI physics in brain segmentation CNNs: achieving acquisition invariance and instructive uncertainties -- Transfer Learning in Optical Microscopy -- X-ray synthesis based on triangular mesh models using GPU-accelerated ray tracing for multi-modal breast image registration -- Application-Oriented Papers -- Frozen-to-Paraffin: Categorization of Histological Frozen Sections by the Aid of Paraffin Sections and Generative Adversarial Networks -- SequenceGAN: Generating Fundus Fluorescence Angiography Sequences from Structure Fundus Image -- Cerebral Blood Volume Prediction based on Multi-modality Magnetic Resonance Imaging -- Cine-MRI simulation to evaluate tumor tracking -- GAN-based synthetic FDG PET images from T1 brain MRI can serve to improve performance of deep unsupervised anomaly detection models.
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

Simulation and Synthesis in Medical Imaging : 6th International Workshop, SASHIMI 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings [documento electrónico] / Svoboda, David, ; Burgos, Ninon, ; Wolterink, Jelmer M., ; Zhao, Can,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - X, 154 p. 58 ilustraciones, 47 ilustraciones en color.
ISBN : 978-3-030-87592-3
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  Reconocimiento de patrones automatizado  Biología Computacional y de Sistemas
Índice Dewey:	006.37 Visión artificial
Resumen:	Este libro constituye las actas arbitradas del 6.º Taller Internacional sobre Simulación y Síntesis en Imágenes Médicas, SASHIMI 2021, celebrado junto con MICCAI 2021, en Estrasburgo, Francia, en septiembre de 2021.* Los 14 artículos completos presentados fueron cuidadosamente revisados ​​y seleccionados de 18 presentaciones. Las contribuciones abarcan las siguientes categorías amplias en consonancia con la convocatoria inicial de ponencias: métodos basados ​​en modelos generativos o aprendizaje adversario para la síntesis de imágenes de MRI/CT/microscopía, y varias aplicaciones de síntesis y simulación de imágenes para el aumento de datos, mejora de imágenes, o segmentación. *El taller se realizó de manera virtual.
Nota de contenido:	Method-Oriented Papers -- Detail matters: high-frequency content for realistic synthetic brain MRI generation -- Joint Image and Label Self-Super-Resolution -- Super-resolution by Latent Space Exploration: Training with Poorly-aligned Clinical and Micro CT Image Dataset -- A Glimpse into the Future: Disease Progression Simulation for Breast Cancer in Mammograms -- Synth-by-Reg (SbR): Contrastive learning for synthesis-based registration of paired images -- Learning-based Template Synthesis For Groupwise Image Registration -- The role of MRI physics in brain segmentation CNNs: achieving acquisition invariance and instructive uncertainties -- Transfer Learning in Optical Microscopy -- X-ray synthesis based on triangular mesh models using GPU-accelerated ray tracing for multi-modal breast image registration -- Application-Oriented Papers -- Frozen-to-Paraffin: Categorization of Histological Frozen Sections by the Aid of Paraffin Sections and Generative Adversarial Networks -- SequenceGAN: Generating Fundus Fluorescence Angiography Sequences from Structure Fundus Image -- Cerebral Blood Volume Prediction based on Multi-modality Magnetic Resonance Imaging -- Cine-MRI simulation to evaluate tumor tracking -- GAN-based synthetic FDG PET images from T1 brain MRI can serve to improve performance of deep unsupervised anomaly detection models.
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