MICCAI 2021第三届DART/第一届展会:法国斯特拉斯堡
沙迪·阿尔巴奎尼 , 曼纽尔·豪尔赫·卡多佐 , 七斗 , Konstantinos Kamnitsas公司 , 比什什·卡纳尔 , Islem Rekik岛 , 尼古拉·里克 , Debdoot表 , 沙法塔利斯(Sotirios A.Tsaftaris) , 徐大光 , 徐子悦 :
领域适应和代表转让,以及资源多样性全球健康的可负担医疗和人工智能——第三届MICCAI研讨会,DART 2021,第一届MICCIA研讨会,FAIR 2021,与MICCAI2021联合举办,法国斯特拉斯堡,2021年9月27日和10月1日,会议记录。 计算机科学课堂讲稿 12968, 施普林格 2021 ,国际标准图书编号 978-3-030-87721-7
域适配和表示转移
穆罕默德·礼萨·侯赛因扎德·塔赫尔 , 法特梅赫·哈吉希 , 瑞宾·冯 , 迈克尔·戈特韦 , 梁建明 :
医学图像分析中迁移学习的系统标杆分析。 3-13 加布里埃尔·瓦尔瓦诺 , 安德烈亚·利奥 , 沙法塔利斯(Sotirios A.Tsaftaris) :
弱监督分割学习的自监督多尺度一致性。 14-24 张明辉 , 新余 , 张汉晓(Hanxiao Zhang) , 郝政 , 余伟豪 , Hong Pan公司 , 蔡祥然 , 云古 :
FDA:稳健气道分割的特征分解和聚合。 25-34 马里乌斯·梅梅尔 , 卡米拉·冈萨雷斯 , 阿尼尔班·穆霍帕迪亚 :
多域海马分割的对抗性连续学习。 35-45 德瓦里卡纳特·马哈帕特拉 , 贝扎德·博佐尔格塔巴尔 , 什巴·夸纳尔 , 葛宗元 :
用于Gleason评分的自监督多模态广义零炮学习。 46-56 德瓦里卡纳特·马哈帕特拉 , 什巴·夸纳尔 , 贝扎德·博佐尔格塔巴尔 , 宗元阁 :
Gleason等级分割中标签间几何关系的自我监督学习。 57-67 加布里埃尔·瓦尔瓦诺 , 安德烈亚·利奥 , 沙法塔利斯(Sotirios A.Tsaftaris) :
停止丢弃鉴别器! 重新利用对手进行测试时间训练。 68-78 Konstantinos Kamnitsas公司 , 斯特凡·温泽克 , Evgenios N.Kornaropoulos公司 , 丹尼尔·怀特豪斯 , 卡梅伦·英格曼 , 波·菲 , 诺曼·鲍 , 大卫·K·梅农 , 丹尼尔·鲁克特 , Tilak Das公司 , 弗吉尼亚·F·J·纽科姆 , 本·格洛克 :
传导性图像分割:自我训练和不确定性估计的影响。 79-89 埃琳·邱 , 弗朗西斯科·吉安蒂 , 肖尼特·蓬瓦尼 , 伊索纳斯·科基诺斯 , 帕纳乔塔基Eleftheria Panagiotaki :
MRI前列腺病变分割中跨异构模式语义一致性的无监督域适配。 90-100 布伦南·尼康波鲁克 , 吉利安·卡迪内尔 , 贾斯汀·泽托 , 拉加夫·梅塔 , 沙法塔利斯(Sotirios A.Tsaftaris) , 道格拉斯·L·阿诺德 , 塔尔·阿贝尔 :
用于病变分割的聚合数据集中的队列偏差自适应。 101-111 塞奥·埃斯蒂安 , 玛丽亚·瓦卡洛普鲁 , 斯特吉奥斯·克里斯托乌利迪斯 , 恩佐·巴蒂斯特拉 , 塞奥弗拉斯特·亨利 , 马文·卢梭 , 阿默里·勒罗伊 , 纪尧姆·查萨农 , 玛丽·皮埃尔·里维尔 , Nikos Paragios公司 , 埃里克·多伊奇 :
探索深层注册潜在空间。 112-122 格雷戈里·菲尔勃朗 , Konstantinos Kamnitsas公司 , 大卫伯恩斯坦 , 亚历山德拉·泰勒 , 本·格洛克 :
从部分重叠标签中学习:注释移位下的图像分割。 123-132 紫玉叶 , 陈菊 , 马朝凡 , 张晓云 :
通过基于相似性的原型进行跨模态分割的无监督域自适应。 133-143
平价人工智能和医疗保健
里贾·托尼·克里斯蒂安·拉莫拉希 , 埃丝特·奥波库·贾西 , 亚历山德罗·克里米 :
使用低成本设置,通过人工神经网络对恶性疟原虫显微图像进行分类和生成。 147-157 舒贾特·汗 , Jaeyoung Huh(在洋) , Jong Chul Ye先生 :
使用自洽CycleGAN提高POCUS的对比度和分辨率。 158-167 维斯瓦纳特·苏达珊 , 阿图尔库马尔R , K.帕万·库马尔·雷迪 , 贾亚瓦尔达纳·古比 , 巴拉默里达尔·普鲁索塔曼 :
无训练数据的低剂量动态CT灌注去噪。 168-179 阿尔帕·泰金 , 艾哈迈德·内布利 , Islem Rekik岛 :
用于预测时间相关脑图评估轨迹的递归脑图映射器。 180-190 亚历山大·麦克林 , 萨阿德·阿巴斯 , 阿什坎·埃巴迪 , 安迪·赵 , 玛雅·巴夫洛娃 , 海登·冈拉吉 , 彭城溪 , 桑尼·科利 , 亚历山大·王 :
新冠肺炎网络美国:一种定制的、高效的、自我关注的深度卷积神经网络设计,用于从护理点超声成像检测新冠肺炎患者病例。 191-202 巴萨尔·德米尔 , 阿拉·贝萨多克 , Islem Rekik岛 :
利用师生学习预测高分辨率脑网络的域间比对。 203-215 阿里奥·萨达菲 , 阿斯亚·马克罗 , 列奥尼德·利夫希茨 , 纳西尔·纳瓦布 , 安娜·博格达诺娃 , 沙迪·阿尔巴奎尼 , 卡斯滕·马尔 :
基于Percoll梯度图像的图卷积网络镰状细胞疾病严重程度预测。 216-225 希哈尔·斯利瓦斯塔瓦 , 穆罕默德·雅库布 , 卡西克·南达库马尔 , 宗元阁 , 德瓦里卡纳特·马哈帕特拉 :
低资源临床环境下胸部X射线分类的连续域增量学习。 226-238 维卡什·古普塔 , 克莱顿·泰勒 , 莎拉·邦内 , 卢西亚诺·M·普雷维德洛 , 杰弗里·霍利 , 理查德·怀特 , 莫娜·弗洛雷斯 , 芭芭洛斯·塞尔努尔·埃尔达尔 :
基于深度学习的适当位置乳腺X线照片的自动检测。 239-250 塞缪尔·巴德 , 托马斯·G·戴 , 约翰·辛普森 , 凯伦·劳埃德 , 杰奎琳·马修 , 艾米丽·斯凯尔顿 , 雷扎·拉扎维 , 伯恩哈德·凯恩斯 :
非专业人士能否以富有挑战性的方式提供高质量的金标准标签? 251-262
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)