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: 9th International Workshop, MLMI 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 16, 2018, Proceedings

دانلود کتاب یادگیری ماشین در تصویربرداری پزشکی: نهمین کارگاه بین المللی ، MLMI 2018 ، همراه با MICCAI 2018 ، گرانادا ، اسپانیا ، 16 سپتامبر 2018 ، مجموعه مقالات

Machine Learning in Medical Imaging: 9th International Workshop, MLMI 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 16, 2018, Proceedings

مشخصات کتاب

Machine Learning in Medical Imaging: 9th International Workshop, MLMI 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 16, 2018, Proceedings

ویرایش: 1st ed. 
نویسندگان: , ,   
سری: Lecture Notes in Computer Science 11046 
ISBN (شابک) : 9783030009182 
ناشر: Springer International Publishing 
سال نشر: 2018 
تعداد صفحات: 421 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 59 مگابایت 

قیمت کتاب (تومان) : 51,000



کلمات کلیدی مربوط به کتاب یادگیری ماشین در تصویربرداری پزشکی: نهمین کارگاه بین المللی ، MLMI 2018 ، همراه با MICCAI 2018 ، گرانادا ، اسپانیا ، 16 سپتامبر 2018 ، مجموعه مقالات: علوم کامپیوتر، پردازش تصویر و بینایی کامپیوتر، هوش مصنوعی (شامل رباتیک)، انفورماتیک سلامت، داده کاوی و کشف دانش



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Machine Learning in Medical Imaging: 9th International Workshop, MLMI 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 16, 2018, 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 ماشین در تصویربرداری پزشکی: نهمین کارگاه بین المللی ، MLMI 2018 ، همراه با MICCAI 2018 ، گرانادا ، اسپانیا ، 16 سپتامبر 2018 ، 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 ماشین در تصویربرداری پزشکی: نهمین کارگاه بین المللی ، MLMI 2018 ، همراه با MICCAI 2018 ، گرانادا ، اسپانیا ، 16 سپتامبر 2018 ، مجموعه مقالات



این کتاب مجموعه مقالات نهمین کارگاه بین المللی یادگیری ماشین در تصویربرداری پزشکی، MLMI 2018 است که همراه با MICCAI 2018 در گرانادا، اسپانیا، در سپتامبر 2018 برگزار شد.

45 مقاله ارائه شده در این جلد با دقت انجام شده است. بررسی و از بین 82 مورد ارسالی انتخاب شد. آنها بر روی روندها و چالش‌های اصلی در زمینه یادگیری ماشینی در تصویربرداری پزشکی تمرکز می‌کنند و هدفشان شناسایی تکنیک‌های جدید و استفاده از آنها در تصویربرداری پزشکی است.


توضیحاتی درمورد کتاب به خارجی

This book constitutes the proceedings of the 9th International Workshop on Machine Learning in Medical Imaging, MLMI 2018, held in conjunction with MICCAI 2018 in Granada, Spain, in September 2018.

The 45 papers presented in this volume were carefully reviewed and selected from 82 submissions. They focus on major trends and challenges in the area of machine learning in medical imaging and aim to identify new cutting-edge techniques and their use in medical imaging.



فهرست مطالب

Front Matter ....Pages I-XIII
Developing Novel Weighted Correlation Kernels for Convolutional Neural Networks to Extract Hierarchical Functional Connectivities from fMRI for Disease Diagnosis (Biao Jie, Mingxia Liu, Chunfeng Lian, Feng Shi, Dinggang Shen)....Pages 1-9
Robust Contextual Bandit via the Capped-\(\ell _{2}\) Norm for Mobile Health Intervention (Feiyun Zhu, Xinliang Zhu, Sheng Wang, Jiawen Yao, Zhichun Xiao, Junzhou Huang)....Pages 10-18
Dynamic Multi-scale CNN Forest Learning for Automatic Cervical Cancer Segmentation (Nesrine Bnouni, Islem Rekik, Mohamed Salah Rhim, Najoua Essoukri Ben Amara)....Pages 19-27
Multi-task Fundus Image Quality Assessment via Transfer Learning and Landmarks Detection (Yaxin Shen, Ruogu Fang, Bin Sheng, Ling Dai, Huating Li, Jing Qin et al.)....Pages 28-36
End-to-End Lung Nodule Detection in Computed Tomography (Dufan Wu, Kyungsang Kim, Bin Dong, Georges El Fakhri, Quanzheng Li)....Pages 37-45
CT Image Enhancement Using Stacked Generative Adversarial Networks and Transfer Learning for Lesion Segmentation Improvement (Youbao Tang, Jinzheng Cai, Le Lu, Adam P. Harrison, Ke Yan, Jing Xiao et al.)....Pages 46-54
Deep Learning Based Inter-modality Image Registration Supervised by Intra-modality Similarity (Xiaohuan Cao, Jianhuan Yang, Li Wang, Zhong Xue, Qian Wang, Dinggang Shen)....Pages 55-63
Regional Abnormality Representation Learning in Structural MRI for AD/MCI Diagnosis (Jun-Sik Choi, Eunho Lee, Heung-Il Suk)....Pages 64-72
Joint Registration And Segmentation Of Xray Images Using Generative Adversarial Networks (Dwarikanath Mahapatra, Zongyuan Ge, Suman Sedai, Rajib Chakravorty)....Pages 73-80
SCCA-Ref: Novel Sparse Canonical Correlation Analysis with Reference to Discover Independent Spatial Associations Between White Matter Hyperintensities and Atrophy (Gerard Sanroma, Loes Rutten-Jacobs, Valerie Lohner, Johanna Kramme, Sach Mukherjee, Martin Reuter et al.)....Pages 81-88
Synthesizing Dynamic MRI Using Long-Term Recurrent Convolutional Networks (Frank Preiswerk, Cheng-Chieh Cheng, Jie Luo, Bruno Madore)....Pages 89-97
Automatically Designing CNN Architectures for Medical Image Segmentation (Aliasghar Mortazi, Ulas Bagci)....Pages 98-106
Rotation Invariance and Directional Sensitivity: Spherical Harmonics versus Radiomics Features (Adrien Depeursinge, Julien Fageot, Vincent Andrearczyk, John Paul Ward, Michael Unser)....Pages 107-115
Can Dilated Convolutions Capture Ultrasound Video Dynamics? (Mohammad Ali Maraci, Weidi Xie, J. Alison Noble)....Pages 116-124
Topological Correction of Infant Cortical Surfaces Using Anatomically Constrained U-Net (Liang Sun, Daoqiang Zhang, Li Wang, Wei Shao, Zengsi Chen, Weili Lin et al.)....Pages 125-133
Self-taught Learning with Residual Sparse Autoencoders for HEp-2 Cell Staining Pattern Recognition (Xian-Hua Han, JiandDe Sun, Lanfen Lin, Yen-Wei Chen)....Pages 134-142
Semantic-Aware Generative Adversarial Nets for Unsupervised Domain Adaptation in Chest X-Ray Segmentation (Cheng Chen, Qi Dou, Hao Chen, Pheng-Ann Heng)....Pages 143-151
Brain Status Prediction with Non-negative Projective Dictionary Learning (Mingli Zhang, Christian Desrosiers, Yuhong Guo, Caiming Zhang, Budhachandra Khundrakpam, Alan Evans)....Pages 152-160
Classification of Pancreatic Cystic Neoplasms Based on Multimodality Images (Weixiang Chen, Hongchen Ji, Jianjiang Feng, Rong Liu, Yi Yu, Ruiquan Zhou et al.)....Pages 161-169
Retinal Blood Vessel Segmentation Using a Fully Convolutional Network – Transfer Learning from Patch- to Image-Level (Taibou Birgui Sekou, Moncef Hidane, Julien Olivier, Hubert Cardot)....Pages 170-178
Combining Deep Learning and Active Contours Opens The Way to Robust, Automated Analysis of Brain Cytoarchitectonics (Konstantin Thierbach, Pierre-Louis Bazin, Walter de Back, Filippos Gavriilidis, Evgeniya Kirilina, Carsten Jäger et al.)....Pages 179-187
Latent3DU-net: Multi-level Latent Shape Space Constrained 3D U-net for Automatic Segmentation of the Proximal Femur from Radial MRI of the Hip (Guodong Zeng, Qian Wang, Till Lerch, Florian Schmaranzer, Moritz Tannast, Klaus Siebenrock et al.)....Pages 188-196
Adversarial Image Registration with Application for MR and TRUS Image Fusion (Pingkun Yan, Sheng Xu, Ardeshir R. Rastinehad, Brad J. Wood)....Pages 197-204
Reproducible White Matter Tract Segmentation Using 3D U-Net on a Large-scale DTI Dataset (Bo Li, Marius de Groot, Meike W. Vernooij, M. Arfan Ikram, Wiro J. Niessen, Esther E. Bron)....Pages 205-213
Competition vs. Concatenation in Skip Connections of Fully Convolutional Networks (Santiago Estrada, Sailesh Conjeti, Muneer Ahmad, Nassir Navab, Martin Reuter)....Pages 214-222
Ensemble of Multi-sized FCNs to Improve White Matter Lesion Segmentation (Zhewei Wang, Charles D. Smith, Jundong Liu)....Pages 223-232
Automatic Accurate Infant Cerebellar Tissue Segmentation with Densely Connected Convolutional Network (Jiawei Chen, Han Zhang, Dong Nie, Li Wang, Gang Li, Weili Lin et al.)....Pages 233-240
Nuclei Detection Using Mixture Density Networks (Navid Alemi Koohababni, Mostafa Jahanifar, Ali Gooya, Nasir Rajpoot)....Pages 241-248
Attention-Guided Curriculum Learning for Weakly Supervised Classification and Localization of Thoracic Diseases on Chest Radiographs (Yuxing Tang, Xiaosong Wang, Adam P. Harrison, Le Lu, Jing Xiao, Ronald M. Summers)....Pages 249-258
Graph of Hippocampal Subfields Grading for Alzheimer’s Disease Prediction (Kilian Hett, Vinh-Thong Ta, José V. Manjón, Pierrick Coupé)....Pages 259-266
Deep Multiscale Convolutional Feature Learning for Weakly Supervised Localization of Chest Pathologies in X-ray Images (Suman Sedai, Dwarikanath Mahapatra, Zongyuan Ge, Rajib Chakravorty, Rahil Garnavi)....Pages 267-275
Combining Heterogeneously Labeled Datasets For Training Segmentation Networks (Jana Kemnitz, Christian F. Baumgartner, Wolfgang Wirth, Felix Eckstein, Sebastian K. Eder, Ender Konukoglu)....Pages 276-284
SoLiD: Segmentation of Clostridioides Difficile Cells in the Presence of Inhomogeneous Illumination Using a Deep Adversarial Network (Ali Memariani, Ioannis A. Kakadiaris)....Pages 285-293
On the Adaptability of Unsupervised CNN-Based Deformable Image Registration to Unseen Image Domains (Enzo Ferrante, Ozan Oktay, Ben Glocker, Diego H. Milone)....Pages 294-302
Early Diagnosis of Autism Disease by Multi-channel CNNs (Guannan Li, Mingxia Liu, Quansen Sun, Dinggang Shen, Li Wang)....Pages 303-309
Longitudinal and Multi-modal Data Learning via Joint Embedding and Sparse Regression for Parkinson’s Disease Diagnosis (Haijun Lei, Zhongwei Huang, Ahmed Elazab, Hancong Li, Baiying Lei)....Pages 310-318
Prostate Cancer Classification on VERDICT DW-MRI Using Convolutional Neural Networks (Eleni Chiou, Francesco Giganti, Elisenda Bonet-Carne, Shonit Punwani, Iasonas Kokkinos, Eleftheria Panagiotaki)....Pages 319-327
Detection of the Pharyngeal Phase in the Videofluoroscopic Swallowing Study Using Inflated 3D Convolutional Networks (Jong Taek Lee, Eunhee Park)....Pages 328-336
End-To-End Alzheimer’s Disease Diagnosis and Biomarker Identification (Soheil Esmaeilzadeh, Dimitrios Ioannis Belivanis, Kilian M. Pohl, Ehsan Adeli)....Pages 337-345
Small Organ Segmentation in Whole-Body MRI Using a Two-Stage FCN and Weighting Schemes (Vanya V. Valindria, Ioannis Lavdas, Juan Cerrolaza, Eric O. Aboagye, Andrea G. Rockall, Daniel Rueckert et al.)....Pages 346-354
Masseter Segmentation from Computed Tomography Using Feature-Enhanced Nested Residual Neural Network (Haifang Qin, Yuru Pei, Yuke Guo, Gengyu Ma, Tianmin Xu, Hongbin Zha)....Pages 355-362
Iterative Interaction Training for Segmentation Editing Networks (Gustav Bredell, Christine Tanner, Ender Konukoglu)....Pages 363-370
Temporal Consistent 2D-3D Registration of Lateral Cephalograms and Cone-Beam Computed Tomography Images (Yungeng Zhang, Yuru Pei, Haifang Qin, Yuke Guo, Gengyu Ma, Tianmin Xu et al.)....Pages 371-379
Computation of Total Kidney Volume from CT Images in Autosomal Dominant Polycystic Kidney Disease Using Multi-task 3D Convolutional Neural Networks (Deepak Keshwani, Yoshiro Kitamura, Yuanzhong Li)....Pages 380-388
Dynamic Routing on Deep Neural Network for Thoracic Disease Classification and Sensitive Area Localization (Yan Shen, Mingchen Gao)....Pages 389-397
Deep Learning for Fast and Spatially-Constrained Tissue Quantification from Highly-Undersampled Data in Magnetic Resonance Fingerprinting (MRF) (Zhenghan Fang, Yong Chen, Mingxia Liu, Yiqiang Zhan, Weili Lin, Dinggang Shen)....Pages 398-405
Back Matter ....Pages 407-409




نظرات کاربران