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: Yonghong Shi, Shu Liao, Dinggang Shen (auth.), Kenji Suzuki, Fei Wang, Dinggang Shen, Pingkun Yan (eds.) سری: Lecture Notes in Computer Science 7009 ISBN (شابک) : 9783642243196, 3642243185 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2011 تعداد صفحات: 383 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشین در تصویربرداری پزشکی: دومین کارگاه آموزشی بین المللی، MLMI 2011، همراه با MICCAI 2011، تورنتو، کانادا، 18 سپتامبر 2011. پرونده ها: پردازش تصویر و بینایی کامپیوتری، تشخیص الگو، تصویربرداری کامپیوتری، بینایی، تشخیص الگو و گرافیک، هوش مصنوعی (شامل رباتیک)، تحلیل الگوریتم و پیچیدگی مسائل، کاربردهای سیستم های اطلاعاتی
در صورت تبدیل فایل کتاب Machine Learning in Medical Imaging: Second International Workshop, MLMI 2011, Held in Conjunction with MICCAI 2011, Toronto, Canada, September 18, 2011. 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: دومین کارگاه آموزشی بین المللی، MLMI 2011، همراه با MICCAI 2011، تورنتو، کانادا، 18 سپتامبر 2011. پرونده ها 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 دومین کارگاه بین المللی در مورد یادگیری ماشین در تصویربرداری پزشکی، MLMI 2011، که در ارتباط با MICCAI 2011، در تورنتو، کانادا، در سپتامبر 2011 برگزار شد، است. انتخاب از 74 ارسالی این مقالات بر روندهای اصلی در یادگیری ماشینی در تصویربرداری پزشکی با هدف شناسایی تکنیک های جدید و استفاده از آنها در تصویربرداری پزشکی تمرکز دارند.
This book constitutes the refereed proceedings of the Second International Workshop on Machine Learning in Medical Imaging, MLMI 2011, held in conjunction with MICCAI 2011, in Toronto, Canada, in September 2011. The 44 revised full papers presented were carefully reviewed and selected from 74 submissions. The papers focus on major trends in machine learning in medical imaging aiming to identify new cutting-edge techniques and their use in medical imaging.
Front Matter....Pages -
Learning Statistical Correlation of Prostate Deformations for Fast Registration....Pages 1-9
Automatic Segmentation of Vertebrae from Radiographs: A Sample-Driven Active Shape Model Approach....Pages 10-17
Computer-Assisted Intramedullary Nailing Using Real-Time Bone Detection in 2D Ultrasound Images....Pages 18-25
Multi-Kernel Classification for Integration of Clinical and Imaging Data: Application to Prediction of Cognitive Decline in Older Adults....Pages 26-34
Automated Selection of Standardized Planes from Ultrasound Volume....Pages 35-42
Maximum Likelihood and James-Stein Edge Estimators for Left Ventricle Tracking in 3D Echocardiography....Pages 43-50
A Locally Deformable Statistical Shape Model....Pages 51-58
Monte Carlo Expectation Maximization with Hidden Markov Models to Detect Functional Networks in Resting-State fMRI....Pages 59-66
DCE-MRI Analysis Using Sparse Adaptive Representations....Pages 67-74
Learning Optical Flow Propagation Strategies Using Random Forests for Fast Segmentation in Dynamic 2D & 3D Echocardiography....Pages 75-82
A Non-rigid Registration Framework That Accommodates Pathology Detection....Pages 83-90
Segmentation Based Features for Lymph Node Detection from 3-D Chest CT....Pages 91-99
Segmenting Hippocampus from 7.0 Tesla MR Images by Combining Multiple Atlases and Auto-Context Models....Pages 100-108
Texture Analysis by a PLS Based Method for Combined Feature Extraction and Selection....Pages 109-116
An Effective Supervised Framework for Retinal Blood Vessel Segmentation Using Local Standardisation and Bagging....Pages 117-125
Automated Identification of Thoracolumbar Vertebrae Using Orthogonal Matching Pursuit....Pages 126-133
Segmentation of Skull Base Tumors from MRI Using a Hybrid Support Vector Machine-Based Method....Pages 134-141
Spatial Nonparametric Mixed-Effects Model with Spatial-Varying Coefficients for Analysis of Populations....Pages 142-150
A Machine Learning Approach to Tongue Motion Analysis in 2D Ultrasound Image Sequences....Pages 151-158
Random Forest-Based Manifold Learning for Classification of Imaging Data in Dementia....Pages 159-166
Probabilistic Graphical Model of SPECT/MRI....Pages 167-174
Directed Graph Based Image Registration....Pages 175-183
Improving the Classification Accuracy of the Classic RF Method by Intelligent Feature Selection and Weighted Voting of Trees with Application to Medical Image Segmentation....Pages 184-192
Network-Based Classification Using Cortical Thickness of AD Patients....Pages 193-200
Anatomical Regularization on Statistical Manifolds for the Classification of Patients with Alzheimer’s Disease....Pages 201-208
Rapidly Adaptive Cell Detection Using Transfer Learning with a Global Parameter....Pages 209-216
Automatic Morphological Classification of Lung Cancer Subtypes with Boosting Algorithms for Optimizing Therapy....Pages 217-224
Hot Spots Conjecture and Its Application to Modeling Tubular Structures....Pages 225-232
Fuzzy Statistical Unsupervised Learning Based Total Lesion Metabolic Activity Estimation in Positron Emission Tomography Images....Pages 233-240
Predicting Clinical Scores Using Semi-supervised Multimodal Relevance Vector Regression....Pages 241-248
Automated Cephalometric Landmark Localization Using Sparse Shape and Appearance Models....Pages 249-256
A Comparison Study of Inferences on Graphical Model for Registering Surface Model to 3D Image....Pages 257-264
A Large-Scale Manifold Learning Approach for Brain Tumor Progression Prediction....Pages 265-272
Automated Detection of Major Thoracic Structures with a Novel Online Learning Method....Pages 273-281
Accurate Regression-Based 4D Mitral Valve Surface Reconstruction from 2D+t MRI Slices....Pages 282-290
Tree Structured Model of Skin Lesion Growth Pattern via Color Based Cluster Analysis....Pages 291-299
Subject-Specific Cardiac Segmentation Based on Reinforcement Learning with Shape Instantiation....Pages 300-307
Faster Segmentation Algorithm for Optical Coherence Tomography Images with Guaranteed Smoothness....Pages 308-316
Automated Nuclear Segmentation of Coherent Anti-Stokes Raman Scattering Microscopy Images by Coupling Superpixel Context Information with Artificial Neural Networks....Pages 317-325
3D Segmentation in CT Imagery with Conditional Random Fields and Histograms of Oriented Gradients....Pages 326-334
Automatic Human Knee Cartilage Segmentation from Multi-contrast MR Images Using Extreme Learning Machines and Discriminative Random Fields....Pages 335-343
MultiCost: Multi-stage Cost-sensitive Classification of Alzheimer’s Disease....Pages 344-351
Classifying Small Lesions on Breast MRI through Dynamic Enhancement Pattern Characterization....Pages 352-359
Computer-Aided Detection of Polyps in CT Colonography with Pixel-Based Machine Learning Techniques....Pages 360-367
Back Matter....Pages -