ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Machine learning in medical imaging : 8th International Workshop, MLMI 2017, held in conjunction with MICCAI 2017, Quebec City, QC, Canada, September 10, 2017, Proceedings

دانلود کتاب یادگیری ماشینی در تصویربرداری پزشکی: هشتمین کارگاه بین‌المللی، MLMI 2017، برگزار شده در ارتباط با MICCAI 2017، شهر کبک، QC، کانادا، 10 سپتامبر 2017، مجموعه مقالات

Machine learning in medical imaging : 8th International Workshop, MLMI 2017, held in conjunction with MICCAI 2017, Quebec City, QC, Canada, September 10, 2017, Proceedings

مشخصات کتاب

Machine learning in medical imaging : 8th International Workshop, MLMI 2017, held in conjunction with MICCAI 2017, Quebec City, QC, Canada, September 10, 2017, Proceedings

ویرایش:  
نویسندگان: , , ,   
سری: Lecture notes in computer science 10541.; LNCS sublibrary. SL 6, Image processing computer vision pattern recognition and graphics 
ISBN (شابک) : 9783319673899, 9783319673882 
ناشر: Springer 
سال نشر: 2017 
تعداد صفحات: 404 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 72 مگابایت 

قیمت کتاب (تومان) : 50,000



کلمات کلیدی مربوط به کتاب یادگیری ماشینی در تصویربرداری پزشکی: هشتمین کارگاه بین‌المللی، MLMI 2017، برگزار شده در ارتباط با MICCAI 2017، شهر کبک، QC، کانادا، 10 سپتامبر 2017، مجموعه مقالات: یادگیری ماشین -- کنگره ها، تصویربرداری تشخیصی -- پردازش داده ها -- کنگره ها، هوش مصنوعی -- برنامه های کاربردی پزشکی -- کنگره ها، هوش مصنوعی -- برنامه های کاربردی پزشکی، تصویربرداری تشخیصی -- پردازش داده ها، یادگیری ماشینی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Machine learning in medical imaging : 8th International Workshop, MLMI 2017, held in conjunction with MICCAI 2017, Quebec City, QC, Canada, September 10, 2017, Proceedings به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب یادگیری ماشینی در تصویربرداری پزشکی: هشتمین کارگاه بین‌المللی، MLMI 2017، برگزار شده در ارتباط با MICCAI 2017، شهر کبک، QC، کانادا، 10 سپتامبر 2017، مجموعه مقالات نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب یادگیری ماشینی در تصویربرداری پزشکی: هشتمین کارگاه بین‌المللی، MLMI 2017، برگزار شده در ارتباط با MICCAI 2017، شهر کبک، QC، کانادا، 10 سپتامبر 2017، مجموعه مقالات



این کتاب مجموعه مقالات داوری هشتمین کارگاه بین‌المللی یادگیری ماشین در تصویربرداری پزشکی، MLMI 2017 است که در ارتباط با MICCAI 2017، در شهر کبک، QC، کانادا، در سپتامبر 2017 برگزار شد.

44 مقاله کامل ارائه شده در این جلد به دقت بررسی و از بین 63 مورد ارسالی انتخاب شد. هدف اصلی این کارگاه کمک به پیشرفت تحقیقات علمی در زمینه گسترده یادگیری ماشینی در تصویربرداری پزشکی است. این کارگاه بر روندها و چالش های اصلی در این زمینه تمرکز دارد و آثاری را با هدف شناسایی تکنیک های جدید و استفاده از آنها در تصویربرداری پزشکی ارائه می دهد.

</ p>

توضیحاتی درمورد کتاب به خارجی

This book constitutes the refereed proceedings of the 8th International Workshop on Machine Learning in Medical Imaging, MLMI 2017, held in conjunction with MICCAI 2017, in Quebec City, QC, Canada, in September 2017.

The 44 full papers presented in this volume were carefully reviewed and selected from 63 submissions. The main aim of this workshop is to help advance scientific research within the broad field of machine learning in medical imaging. The workshop focuses on major trends and challenges in this area, and presents works aimed to identify new cutting-edge techniques and their use in medical imaging.



فهرست مطالب

Front Matter ....Pages VII-XIX
From Large to Small Organ Segmentation in CT Using Regional Context (Marie Bieth, Esther Alberts, Markus Schwaiger, Bjoern Menze)....Pages 1-9
Motion Corruption Detection in Breast DCE-MRI (Sylvester Chiang, Sharmila Balasingham, Lara Richmond, Belinda Curpen, Mia Skarpathiotakis, Anne Martel)....Pages 10-18
Detection and Localization of Drosophila Egg Chambers in Microscopy Images (Jiří Borovec, Jan Kybic, Rodrigo Nava)....Pages 19-26
Growing a Random Forest with Fuzzy Spatial Features for Fully Automatic Artery-Specific Coronary Calcium Scoring (Felix Durlak, Michael Wels, Chris Schwemmer, Michael Sühling, Stefan Steidl, Andreas Maier)....Pages 27-35
Atlas of Classifiers for Brain MRI Segmentation (Boris Kodner, Shiri Gordon, Jacob Goldberger, Tammy Riklin Raviv)....Pages 36-44
Dictionary Learning and Sparse Coding-Based Denoising for High-Resolution Task Functional Connectivity MRI Analysis (Seongah Jeong, Xiang Li, Jiarui Yang, Quanzheng Li, Vahid Tarokh)....Pages 45-52
Yet Another ADNI Machine Learning Paper? Paving the Way Towards Fully-Reproducible Research on Classification of Alzheimer’s Disease (Jorge Samper-González, Ninon Burgos, Sabrina Fontanella, Hugo Bertin, Marie-Odile Habert, Stanley Durrleman et al.)....Pages 53-60
Multi-factorial Age Estimation from Skeletal and Dental MRI Volumes (Darko Štern, Philipp Kainz, Christian Payer, Martin Urschler)....Pages 61-69
Automatic Classification of Proximal Femur Fractures Based on Attention Models (Anees Kazi, Shadi Albarqouni, Amelia Jimenez Sanchez, Sonja Kirchhoff, Peter Biberthaler, Nassir Navab et al.)....Pages 70-78
Joint Supervoxel Classification Forest for Weakly-Supervised Organ Segmentation (Fahdi Kanavati, Kazunari Misawa, Michitaka Fujiwara, Kensaku Mori, Daniel Rueckert, Ben Glocker)....Pages 79-87
Accurate and Consistent Hippocampus Segmentation Through Convolutional LSTM and View Ensemble (Yani Chen, Bibo Shi, Zhewei Wang, Tao Sun, Charles D. Smith, Jundong Liu)....Pages 88-96
STAR: Spatio-Temporal Architecture for Super-Resolution in Low-Dose CT Perfusion (Yao Xiao, Ajay Gupta, Pina C. Sanelli, Ruogu Fang)....Pages 97-105
Classification of Alzheimer’s Disease by Cascaded Convolutional Neural Networks Using PET Images (Danni Cheng, Manhua Liu)....Pages 106-113
Finding Dense Supervoxel Correspondence of Cone-Beam Computed Tomography Images (Yuru Pei, Yunai Yi, Gengyu Ma, Yuke Guo, Gui Chen, Tianmin Xu et al.)....Pages 114-122
Multi-scale Volumetric ConvNet with Nested Residual Connections for Segmentation of Anterior Cranial Base (Yuru Pei, Haifang Qin, Gengyu Ma, Yuke Guo, Gui Chen, Tianmin Xu et al.)....Pages 123-131
Feature Learning and Fusion of Multimodality Neuroimaging and Genetic Data for Multi-status Dementia Diagnosis (Tao Zhou, Kim-Han Thung, Xiaofeng Zhu, Dinggang Shen)....Pages 132-140
3D Convolutional Neural Networks with Graph Refinement for Airway Segmentation Using Incomplete Data Labels (Dakai Jin, Ziyue Xu, Adam P. Harrison, Kevin George, Daniel J. Mollura)....Pages 141-149
Efficient Groupwise Registration for Brain MRI by Fast Initialization (Pei Dong, Xiaohuan Cao, Jun Zhang, Minjeong Kim, Guorong Wu, Dinggang Shen)....Pages 150-158
Sparse Multi-view Task-Centralized Learning for ASD Diagnosis (Jun Wang, Qian Wang, Shitong Wang, Dinggang Shen)....Pages 159-167
Inter-subject Similarity Guided Brain Network Modeling for MCI Diagnosis (Yu Zhang, Han Zhang, Xiaobo Chen, Mingxia Liu, Xiaofeng Zhu, Dinggang Shen)....Pages 168-175
Scalable and Fault Tolerant Platform for Distributed Learning on Private Medical Data (Alborz Amir-Khalili, Soheil Kianzad, Rafeef Abugharbieh, Ivan Beschastnikh)....Pages 176-184
Triple-Crossing 2.5D Convolutional Neural Network for Detecting Neuronal Arbours in 3D Microscopic Images (Siqi Liu, Donghao Zhang, Yang Song, Hanchuan Peng, Weidong Cai)....Pages 185-193
Longitudinally-Consistent Parcellation of Infant Population Cortical Surfaces Based on Functional Connectivity (Junyi Yan, Yu Meng, Gang Li, Weili Lin, Dazhe Zhao, Dinggang Shen)....Pages 194-202
Gradient Boosted Trees for Corrective Learning (Baris U. Oguz, Russell T. Shinohara, Paul A. Yushkevich, Ipek Oguz)....Pages 203-211
Self-paced Convolutional Neural Network for Computer Aided Detection in Medical Imaging Analysis (Xiang Li, Aoxiao Zhong, Ming Lin, Ning Guo, Mu Sun, Arkadiusz Sitek et al.)....Pages 212-219
A Point Says a Lot: An Interactive Segmentation Method for MR Prostate via One-Point Labeling (Jinquan Sun, Yinghuan Shi, Yang Gao, Dinggang Shen)....Pages 220-228
Collage CNN for Renal Cell Carcinoma Detection from CT (Mohammad Arafat Hussain, Alborz Amir-Khalili, Ghassan Hamarneh, Rafeef Abugharbieh)....Pages 229-237
Aggregating Deep Convolutional Features for Melanoma Recognition in Dermoscopy Images (Zhen Yu, Xudong Jiang, Tianfu Wang, Baiying Lei)....Pages 238-246
Localizing Cardiac Structures in Fetal Heart Ultrasound Video (Christopher P. Bridge, Christos Ioannou, J. Alison Noble)....Pages 247-255
Deformable Registration Through Learning of Context-Specific Metric Aggregation (Enzo Ferrante, Puneet K. Dokania, Rafael Marini, Nikos Paragios)....Pages 256-265
Segmentation of Craniomaxillofacial Bony Structures from MRI with a 3D Deep-Learning Based Cascade Framework (Dong Nie, Li Wang, Roger Trullo, Jianfu Li, Peng Yuan, James Xia et al.)....Pages 266-273
3D U-net with Multi-level Deep Supervision: Fully Automatic Segmentation of Proximal Femur in 3D MR Images (Guodong Zeng, Xin Yang, Jing Li, Lequan Yu, Pheng-Ann Heng, Guoyan Zheng)....Pages 274-282
Indecisive Trees for Classification and Prediction of Knee Osteoarthritis (Luca Minciullo, Paul A. Bromiley, David T. Felson, Timothy F. Cootes)....Pages 283-290
Whole Brain Segmentation and Labeling from CT Using Synthetic MR Images (Can Zhao, Aaron Carass, Junghoon Lee, Yufan He, Jerry L. Prince)....Pages 291-298
Structural Connectivity Guided Sparse Effective Connectivity for MCI Identification (Yang Li, Jingyu Liu, Meilin Luo, Ke Li, Pew-Thian Yap, Minjeong Kim et al.)....Pages 299-306
Fusion of High-Order and Low-Order Effective Connectivity Networks for MCI Classification (Yang Li, Jingyu Liu, Ke Li, Pew-Thian Yap, Minjeong Kim, Chong-Yaw Wee et al.)....Pages 307-315
Novel Effective Connectivity Network Inference for MCI Identification (Yang Li, Hao Yang, Ke Li, Pew-Thian Yap, Minjeong Kim, Chong-Yaw Wee et al.)....Pages 316-324
Reconstruction of Thin-Slice Medical Images Using Generative Adversarial Network (Zeju Li, Yuanyuan Wang, Jinhua Yu)....Pages 325-333
Neural Network Convolution (NNC) for Converting Ultra-Low-Dose to “Virtual” High-Dose CT Images (Kenji Suzuki, Junchi Liu, Amin Zarshenas, Toru Higaki, Wataru Fukumoto, Kazuo Awai)....Pages 334-343
Deep-FExt: Deep Feature Extraction for Vessel Segmentation and Centerline Prediction (Giles Tetteh, Markus Rempfler, Claus Zimmer, Bjoern H. Menze)....Pages 344-352
Product Space Decompositions for Continuous Representations of Brain Connectivity (Daniel Moyer, Boris A. Gutman, Neda Jahanshad, Paul M. Thompson)....Pages 353-361
Identifying Autism from Resting-State fMRI Using Long Short-Term Memory Networks (Nicha C. Dvornek, Pamela Ventola, Kevin A. Pelphrey, James S. Duncan)....Pages 362-370
Machine Learning for Large-Scale Quality Control of 3D Shape Models in Neuroimaging (Dmitry Petrov, Boris A. Gutman, Shih-Hua (Julie) Yu, Kathryn Alpert, Artemis Zavaliangos-Petropulu, Dmitry Isaev et al.)....Pages 371-378
Tversky Loss Function for Image Segmentation Using 3D Fully Convolutional Deep Networks (Seyed Sadegh Mohseni Salehi, Deniz Erdogmus, Ali Gholipour)....Pages 379-387
Back Matter ....Pages 389-391




نظرات کاربران