第四 大脑@MICCAI 2018年:西班牙格拉纳达
亚历山德罗·克里米 , 斯皮里顿·巴卡斯 , 雨果·库伊夫 , 法拉哈尼·凯文 , 毛里西奥·雷耶斯 , 西奥·范瓦尔苏姆 :
Brainlesion:胶质瘤、多发性硬化、中风和创伤性脑损伤——2018年BrainLes第四次国际研讨会,与2018年MICCAI联合举办,2018年9月16日,西班牙格拉纳达,修订论文集,第一部分。 计算机科学课堂讲稿 11383, 施普林格 2019 ,国际标准图书编号 978-3-030-11722-1
邀请的谈话
Ragini Verma公司 , 优素福·奥斯曼利奥格鲁 , 阿卜杜勒·阿齐兹·乌尔德·伊斯梅尔 :
脑损伤的多模式病理连接学。 3-14 阿萨尼·哈基姆 , 罗兰·威斯特 :
CT脑灌注:临床观点。 15-24 G.安东尼·雷纳 , 拉维·潘楚马蒂 :
图像平铺对卷积神经网络的不利影响。 25-36 托马斯·C·布斯 :
神经肿瘤诊断中机器学习的更新。 37-44
脑损伤图像分析
亚历山德拉·M·瓦尔卡尔 , 克里斯汀·A·林 , Fariha Khalid公司 , 西蒙·N·范德卡 , 沙哈马特·陶希德 , 西奥多·萨特思韦特 , 约翰·穆舍利 , 罗希特·巴克什 , 罗素·T·希诺哈拉 :
MIMoSA:一种自动分割多发性硬化T2高信号和T1低信号病变的方法。 47-56 纳扎宁·穆罕默德·塞帕瓦德 , 塔尔·哈斯纳 , 道格拉斯·L·阿诺德 , 塔尔·阿贝尔 :
CNN根据基线MRI和病变标签预测多发性硬化患者未来的疾病活动。 57-69 托尼·C·W·莫 , 艾伯特·C·S·钟 :
用粗-精生成对抗网络进行脑肿瘤分割的学习数据增强。 70-80 刘聪(音) , 威信四 , 银铃钱 , 廖祥云 , 王琼(音) , 永国 , 冯安恒 :
用于脑肿瘤分割的多径密集连接卷积神经网络。 81-91 迈卡·J·雪勒 , G.安东尼·雷纳 , 布兰顿·爱德华滋 , 杰森·马丁 , 斯皮里顿·巴卡斯 :
不共享患者数据的多机构深度学习建模:脑肿瘤分割的可行性研究。 92-104 徐涵 , 斯皮里顿·巴卡斯 , 罗兰·奎特 , 斯蒂芬·艾尔沃德 , 哈米德·阿克巴里 , 米歇尔·比莱洛 , 克里斯托斯·达瓦齐科斯 , 马克·尼塔默尔 :
术前和术后脑肿瘤MRI扫描的患者特异性登记。 105-114 阿希斯·库马尔·达拉 , Kalyan Ram Ayyalasomayajula公司 , 埃里克·阿维兹 , 马库斯·法尔斯特伦 , 约翰·威克斯特罗姆 , 埃尔纳·马里·拉尔森 , 罗宾·斯特兰德 :
利用U-Net和患者特异性交互细化对术后胶质母细胞瘤进行MRI分割。 115-122 阿卜杜勒·阿齐兹·乌尔德·伊斯梅尔 , 德鲁·帕克 , 莫伊斯·埃尔南德斯·费尔南德斯 , 史蒂文·布雷姆 , 西蒙·亚历山大 , Ofer Pasternak公司 , 伊曼纽尔·卡鲁耶 , Ragini Verma公司 :
使用基于DTI的游离水消除法表征肿瘤周围组织。 123-131 沙哈布·阿斯拉尼 , 迈克尔·达扬 , 维托里奥·穆里诺 , 迭戈·索纳 :
脑MRI中多发性硬化病变分割的深度2D编解码卷积神经网络。 132-141 弗朗西斯科·拉罗萨 , 马里奥·若昂·法塔里亚 , 托比亚斯·科伯 , 乔纳斯·里奇亚迪 , 克里斯蒂娜·格拉齐埃拉 , Jean-Philippe Thiran女士 , 梅里特谢尔·巴赫·库亚德拉 :
多发性硬化症早期白质病变分割的浅层与深度学习架构。 142-151 Aleix Solanes公司 , 若阿金·拉杜阿 , 劳拉·伊古尔 :
使用卷积神经网络检测大脑中线异常。 152-160 克里斯托夫·鲍尔 , Benedikt Wiestler公司 , 沙迪·阿尔巴奎尼 , 纳西尔·纳瓦布 :
脑MR图像中无监督异常分割的深度自动编码模型。 161-169 Subhashis Banerjee公司 , 苏什米塔·米特拉 , 弗朗西斯科·马苏利 , 斯特凡诺·罗维塔 :
基于多序列MRI的脑肿瘤检测和分类:使用ConvNets的研究。 170-179 弗朗西斯卡·加拉西 , 奥利维尔·科莫威克 , 埃曼纽尔·瓦莱 , 克里斯蒂安·巴里略 :
基于多模态MRI的多发性硬化病变自动分割的体素分析与对照分析的比较。 180-188 优素福·奥斯曼利奥格鲁 , 雅各布·A·阿拉帕特 , 德鲁·帕克 , 金正勋(Junghoon Kim) , Ragini Verma公司 :
一种用于评估创伤性脑损伤中改变的连接性的基于图的相似性度量。 189-198 李洪伟 , 印着张建国 , 马克·穆勒 , 简·柯斯克 , 比约恩·H·门泽 :
用于稳健白质超强度分割的多尺度卷积叠加。 199-207 周玉凡 , 李哲硕 , 洪朱 , 陈昌友 , 高明晨 , 徐凯(Kai Xu) , 徐金辉 :
基于DenseNet和递归神经网络的全脑肿瘤筛查和分类。 208-217 吴国庆 , 王渊源(音) , 金华余 :
3D纹理特征学习用于胶质瘤病理亚型的无创估计。 218-227 西蒙·安德马特 , 安塔尔·霍瓦思 , 西蒙·佩佐德 , 菲利普·卡廷 :
利用健康来源图像的分布差异进行病理分割。 228-238 萨马尔·埃尔谢赫 , 斯皮里顿·巴卡斯 , 尼古拉·J·穆德 , 埃米尔·奇穆萨 , 克里斯托斯·达瓦齐科斯 , 亚历山德罗·克里米 :
胶质母细胞瘤基因表达与纹理和空间模式的多阶段关联分析。 239-250
缺血性中风病变图像分割
刘鹏波 :
基于2D新CNN管道和新损失函数的中风病灶分割。 253-262 杰伦·贝特尔斯 , 大卫·罗本 , 德克·范德梅伦 , 保罗·苏滕斯 :
基于本地CTP的急性卒中核心病变分割的对侧信息CNN。 263-270 何塞·多尔兹 , 伊斯梅尔·本·阿伊德 , 基督教脱苦剂 :
多图像模式下缺血性卒中病灶分割的密集多通道U网。 271-282 刘亮亮 , 帅扬 , 李蒙 , 李敏(音) , 王建新 :
多尺度深度卷积神经网络在脑卒中CT图像分割中的应用。 283-291 穆巴拉克伊斯兰 , N.Rajiv Vaidyanathan , V.杰亚·玛丽亚·何塞 , 任洪亮 :
利用对抗性学习进行缺血性卒中病灶分割。 292-300 古斯塔沃·雷图西·皮涅罗 , 拉斐尔·沃尔托林 , 玛丽安娜·P.本托 , 莱西娅·里特纳 :
V-Net和U-Net在小数据集灌注数据中用于缺血性卒中病灶分割。 301-309 陶松 , 黄宁 :
用于缺血性中风病变分割的集成提取器、生成器和Segmentor。 310-318 阿尔兹贝塔·图雷科娃 , 安东尼奥·何塞·罗德里格斯-桑切斯 :
ISLES挑战:U形卷积神经网络与扩张卷积用于3D中风病灶分割。 319-327 维卡斯·库马尔·阿南德 , 马亨德拉·肯德 , 亚历克斯·瓦尔盖塞 , 加纳帕西·克里希纳穆尔西 :
利用CT灌注图对缺血性中风进行全自动分割。 328-334 拉斯·伯姆 , 弗雷德里克·马德斯塔 , 蒂洛·森特克 , 勒内·沃纳 :
结合Good Old Random Forest和DeepLabv3+进行ISLES 2018基于CT的笔划分割。 335-342 郝玉阳 :
缺血性卒中病灶分割的体积对抗训练。 343-351 Mazdak Abulnaga说 , 乔纳森·鲁宾 :
使用金字塔池和病灶丢失在CT灌注扫描中分割缺血性卒中病灶。 352-363
MR脑分割面临的巨大挑战
龙晨 , 多里特·梅尔霍夫 :
MixNet:用于大脑分割的多模式混合网络。 367-377 Toan Duc Bui公司 , Sang-il Ahn先生 , 李龙雨 , 吉泰信 :
一个跳跃连接的3D DenseNet网络,具有用于体积分割的对抗训练。 378-384 李洪伟 , 安德烈·齐加洛 , 比约恩·H·门泽 :
基于深度剩余扩张U-Net的脑结构自动分割。 385-393 米盖尔·卢纳 , 桑贤公园 :
用于MR脑分割的带过渡层的3D拼接U网。 394-403
计算精确医学
亚历山大·莫梅尼 , 马克·蒂鲍特 , 奥利维尔·格瓦尔特 :
多尺度生物医学数据的辍学支持集成学习。 407-415 阿迪蒂亚·巴加里 , 阿希什·库马尔 , 阿维纳什·科里 , 马亨德拉·肯德 , 加纳帕西·克里希纳穆尔西 :
低级别胶质瘤的放射-影像学联合分类方法。 416-427 谢新鹏 , 李月香 , 张梦璐 , 沈林林 :
通过掩码R-CNN对组织病理学图像中的细胞核进行稳健分割。 428-436
中风影像学和治疗挑战研讨会
大卫·罗本 , 保罗·苏滕斯 :
基于神经网络和数据增强的灌注参数估计。 439-446 安德烈亚斯·赫斯 , 拉斐尔·迈耶 , 约翰内斯·凯斯马赫 , 西蒙·荣格 , 法比安·斯卡佐 , 大卫·S·利贝斯金 , 罗兰·威斯特 , 理查德·麦金利 :
合成灌注图:DSC-MRI深度学习成像灌注缺陷。 447-455 穆巴拉克伊斯兰 , 帕丽塔·桑哈尼 , 安吉拉·安琪看 , 迈克尔·卢卡斯·詹姆斯 , 尼古拉斯·孔锦金(Nicolas Kon Kam King) , 任洪亮 :
ICHNet:使用深度学习进行脑出血(ICH)分段。 456-463 洛伦扎·布鲁西尼 , 伊拉里亚·博斯科洛·加拉佐 , 毛罗·祖切利 , 克里斯蒂娜·格拉齐埃拉 , 格洛丽亚·梅内加兹 :
弥散MRI能揭示中风引起的GM微结构改变吗? 464-471