OR 2.0 Context-Aware Operating Theaters and Machine Learning in Clinical Neuroimaging: Second International Workshop, OR 2.0 2019, and Second International Workshop, MLCN 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 13 and 17, 2019, Proceedings

این کتاب مجموعه مقالات داوری دومین کارگاه بین المللی تئاترهای جراحی آگاه از زمینه، OR 2.0 2019، و دومین کارگاه بین المللی یادگیری ماشین در تصویربرداری عصبی بالینی، MLCN 2019 است که در ارتباط با MICCAI 2019 برگزار شد، در شنژن، چین، در اکتبر 2019.

برای OR 2.0 هر 6 مورد ارسالی برای انتشار پذیرفته شد. هدف آنها برجسته کردن استفاده بالقوه از بینایی و ادراک ماشین، رباتیک، شبیه‌سازی و مدل‌سازی جراحی، تلفیق و تجسم داده‌های چندوجهی، تجزیه و تحلیل تصویر، تصویربرداری پیشرفته، فناوری‌های نمایش پیشرفته، رابط‌های انسان و کامپیوتر، حسگرها، لوازم الکترونیکی پوشیدنی و کاشتنی و ربات‌ها، مدل‌های توجه بصری، مدل‌های شناختی، شبکه‌های پشتیبانی تصمیم برای افزایش کمک‌های عمل جراحی، آگاهی از زمینه و ارتباطات تیمی در اتاق عمل، سیستم‌های مشارکتی انسان و ربات، و آموزش و ارزیابی جراحی.

MLCN 2019. 6 مقاله از 7 مقاله ارسالی را برای انتشار پذیرفت. آنها بر روی پرداختن به مشکلات استفاده از یادگیری ماشینی در مجموعه داده های تصویربرداری عصبی بالینی بزرگ و چند سایت تمرکز می کنند. هدف این کارگاه گرد هم آوردن متخصصان در یادگیری ماشینی و تصویربرداری عصبی بالینی بود تا چالش‌های موجود یادگیری ماشین کاربردی در علوم اعصاب بالینی را مورد بحث و بررسی قرار دهند.

This book constitutes the refereed proceedings of the Second International Workshop on Context-Aware Surgical Theaters, OR 2.0 2019, and the Second International Workshop on Machine Learning in Clinical Neuroimaging, MLCN 2019, held in conjunction with MICCAI 2019, in Shenzhen, China, in October 2019.

For OR 2.0 all 6 submissions were accepted for publication. They aim to highlight the potential use of machine vision and perception, robotics, surgical simulation and modeling, multi-modal data fusion and visualization, image analysis, advanced imaging, advanced display technologies, human-computer interfaces, sensors, wearable and implantable electronics and robots, visual attention models, cognitive models, decision support networks to enhance surgical procedural assistance, context-awareness and team communication in the operating theater, human-robot collaborative systems, and surgical training and assessment.

MLCN 2019 accepted 6 papers out of 7 submissions for publication. They focus on addressing the problems of applying machine learning to large and multi-site clinical neuroimaging datasets. The workshop aimed to bring together experts in both machine learning and clinical neuroimaging to discuss and hopefully bridge the existing challenges of applied machine learning in clinical neuroscience.