Large-Scale Annotation of Biomedical Data and Expert Label Synthesis and Hardware Aware Learning for Medical Imaging and Computer Assisted Intervention: International Workshops, LABELS 2019, HAL-MICCAI 2019, and CuRIOUS 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 13 and 17, 2019, Proceedings

این کتاب مجموعه مقالات مشترک داوری چهارمین کارگاه بین المللی حاشیه نویسی در مقیاس بزرگ داده های زیست پزشکی و سنتز برچسب خبره، LABELS 2019، اولین کارگاه بین المللی یادگیری آگاهانه از سخت افزار برای تصویربرداری پزشکی و مداخله به کمک رایانه است. HAL-MICCAI 2019، و دومین کارگاه بین المللی در اصلاح جابجایی مغز با سونوگرافی داخل عمل، کنجکاو 2019، که همزمان با بیست و دومین کنفرانس بین المللی تصویربرداری پزشکی و مداخلات به کمک کامپیوتر، MICCAI 2019، در شنژن، چین برگزار شد. 2019.

8 مقاله ارائه شده در LABELS 2019، 5 مقاله ارائه شده در HAL-MICCAI 2019، و 3 مقاله ارائه شده در کنجکاوی 2019 به دقت بررسی و از بین ارسال های متعدد انتخاب شدند. . مقالات LABELS رویکردهای متنوعی را برای برخورد با تعداد محدودی از برچسب ها، از یادگیری نیمه نظارت شده تا جمع سپاری ارائه می کنند. مقالات HAL-MICCAI مجموعه گسترده‌ای از کاربردهای سخت‌افزاری در مسائل پزشکی، از جمله تقسیم‌بندی تصویر پزشکی، توموگرافی الکترونی، تشخیص ذات‌الریه و غیره را پوشش می‌دهند. برای توصیف روش‌های ثبت تصویر خود بر روی مجموعه داده‌های استاندارد شده تازه منتشر شده برداشتن تومور مغزی با هدایت iUS.

This book constitutes the refereed joint proceedings of the 4th International Workshop on Large-Scale Annotation of Biomedical Data and Expert Label Synthesis, LABELS 2019, the First International Workshop on Hardware Aware Learning for Medical Imaging and Computer Assisted Intervention, HAL-MICCAI 2019, and the Second International Workshop on Correction of Brainshift with Intra-Operative Ultrasound, CuRIOUS 2019, held in conjunction with the 22nd International Conference on Medical Imaging and Computer-Assisted Intervention, MICCAI 2019, in Shenzhen, China, in October 2019.

The 8 papers presented at LABELS 2019, the 5 papers presented at HAL-MICCAI 2019, and the 3 papers presented at CuRIOUS 2019 were carefully reviewed and selected from numerous submissions. The LABELS papers present a variety of approaches for dealing with a limited number of labels, from semi-supervised learning to crowdsourcing. The HAL-MICCAI papers cover a wide set of hardware applications in medical problems, including medical image segmentation, electron tomography, pneumonia detection, etc. The CuRIOUS papers provide a snapshot of the current progress in the field through extended discussions and provide researchers an opportunity to characterize their image registration methods on newly released standardized datasets of iUS-guided brain tumor resection.