دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Guorong Wu, Daoqiang Zhang, Luping Zhou (eds.) سری: Lecture Notes in Computer Science 8679 Image Processing, Computer Vision, Pattern Recognition, and Graphics ISBN (شابک) : 9783319105802, 9783319105819 ناشر: Springer International Publishing سال نشر: 2014 تعداد صفحات: 343 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 33 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشینی در تصویربرداری پزشکی: پنجمین کارگاه بین المللی ، MLMI 2014 ، همراه با MICCAI 2014 ، بوستون ، MA ، ایالات متحده آمریکا ، 14 سپتامبر 2014.: پردازش تصویر و بینایی کامپیوتری، تشخیص الگو، انفورماتیک سلامت، داده کاوی و کشف دانش، هوش مصنوعی (شامل رباتیک)، گرافیک کامپیوتری
در صورت تبدیل فایل کتاب Machine Learning in Medical Imaging: 5th International Workshop, MLMI 2014, Held in Conjunction with MICCAI 2014, Boston, MA, USA, September 14, 2014. 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: پنجمین کارگاه بین المللی ، MLMI 2014 ، همراه با MICCAI 2014 ، بوستون ، MA ، ایالات متحده آمریکا ، 14 سپتامبر 2014. 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.
این کتاب مجموعه مقالات داوری پنجمین کارگاه بینالمللی یادگیری ماشین در تصویربرداری پزشکی، MLMI 2014 است که در ارتباط با کنفرانس بینالمللی محاسبات تصویر پزشکی و مداخله به کمک رایانه، MICCAI 2014، در کمبریج، MA، ایالات متحده برگزار شد. در سپتامبر 2014. 40 مشارکت موجود در این جلد به دقت بررسی و از 70 مورد ارسالی انتخاب شدند. آنها بر روی روندها و چالشهای اصلی در حوزه یادگیری ماشینی در تصویربرداری پزشکی تمرکز میکنند و هدفشان شناسایی تکنیکهای جدید و استفاده از آنها در تصویربرداری پزشکی است.
This book constitutes the refereed proceedings of the 5th International Workshop on Machine Learning in Medical Imaging, MLMI 2014, held in conjunction with the International Conference on Medical Image Computing and Computer Assisted Intervention, MICCAI 2014, in Cambridge, MA, USA, in September 2014. The 40 contributions included in this volume were carefully reviewed and selected from 70 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.
Front Matter....Pages -
Sparsity-Learning-Based Longitudinal MR Image Registration for Early Brain Development....Pages 1-8
Graph-Based Label Propagation in Fetal Brain MR Images....Pages 9-16
Deep Learning Based Automatic Immune Cell Detection for Immunohistochemistry Images....Pages 17-24
Stacked Multiscale Feature Learning for Domain Independent Medical Image Segmentation....Pages 25-32
Detection of Mammographic Masses by Content-Based Image Retrieval....Pages 33-41
Inferring Sources of Dementia Progression with Network Diffusion Model....Pages 42-49
3D Intervertebral Disc Localization and Segmentation from MR Images by Data-Driven Regression and Classification....Pages 50-58
Exploring Compact Representation of SICE Matrices for Functional Brain Network Classification....Pages 59-67
Deep Learning for Cerebellar Ataxia Classification and Functional Score Regression....Pages 68-76
Manifold Alignment and Transfer Learning for Classification of Alzheimer’s Disease....Pages 77-84
Gleason Grading of Prostate Tumours with Max-Margin Conditional Random Fields....Pages 85-92
Learning Distance Transform for Boundary Detection and Deformable Segmentation in CT Prostate Images....Pages 93-100
Geodesic Geometric Mean of Regional Covariance Descriptors as an Image-Level Descriptor for Nuclear Atypia Grading in Breast Histology Images....Pages 101-108
A Constrained Regression Forests Solution to 3D Fetal Ultrasound Plane Localization for Longitudinal Analysis of Brain Growth and Maturation....Pages 109-116
Deep Learning of Image Features from Unlabeled Data for Multiple Sclerosis Lesion Segmentation....Pages 117-124
Fetal Abdominal Standard Plane Localization through Representation Learning with Knowledge Transfer....Pages 125-132
Searching for Structures of Interest in an Ultrasound Video Sequence....Pages 133-140
Anatomically Constrained Weak Classifier Fusion for Early Detection of Alzheimer’s Disease....Pages 141-148
Automatic Bone and Marrow Extraction from Dual Energy CT through SVM Margin-Based Multi-Material Decomposition Model Selection....Pages 149-156
Sparse Discriminative Feature Selection for Multi-class Alzheimer’s Disease Classification....Pages 157-164
Context-Aware Anatomical Landmark Detection: Application to Deformable Model Initialization in Prostate CT Images....Pages 165-173
Optimal MAP Parameters Estimation in STAPLE - Learning from Performance Parameters versus Image Similarity Information....Pages 174-181
Colon Biopsy Classification Using Crypt Architecture....Pages 182-189
Network-Guided Group Feature Selection for Classification of Autism Spectrum Disorder....Pages 190-197
Deformation Field Correction for Spatial Normalization of PET Images Using a Population-Derived Partial Least Squares Model....Pages 198-206
Novel Multi-Atlas Segmentation by Matrix Completion....Pages 207-214
Structured Random Forests for Myocardium Delineation in 3D Echocardiography....Pages 215-222
Improved Reproducibility of Neuroanatomical Definitions through Diffeomorphometry and Complexity Reduction....Pages 223-230
Topological Descriptors of Histology Images....Pages 231-239
Robust Deep Learning for Improved Classification of AD/MCI Patients....Pages 240-247
Subject Specific Sparse Dictionary Learning for Atlas Based Brain MRI Segmentation....Pages 248-255
Multi-atlas Segmentation with Learning-Based Label Fusion....Pages 256-263
Interactive Prostate Segmentation Based on Adaptive Feature Selection and Manifold Regularization....Pages 264-271
Feature Selection Based on SVM Significance Maps for Classification of Dementia....Pages 272-279
Prediction of Standard-Dose PET Image by Low-Dose PET and MRI Images....Pages 280-288
Solutions for Missing Parameters in Computer-Aided Diagnosis with Multiparametric Imaging Data....Pages 289-296
Online Discriminative Multi-atlas Learning for Isointense Infant Brain Segmentation....Pages 297-305
Persistent Reeb Graph Matching for Fast Brain Search....Pages 306-313
In Vivo MRI Based Prostate Cancer Identification with Random Forests and Auto-context Model....Pages 314-322
Learning of Atlas Forest Hierarchy for Automatic Labeling of MR Brain Images....Pages 323-330
Back Matter....Pages -