Nhan đề chính: Brainlesion: Glioma, Multiple Sclerosis, Stroke and Traumatic Brain Injuries
Nhan đề dịch: Tổn thương não: U thần kinh đệm, bệnh đa xơ cứng, đột quỵ và chấn thương sọ não
Tác giả: Alessandro Crimi, Spyridon Bakas
Nhà xuất bản: Springer Cham
Năm xuất bản: 2022
Số trang: 510 tr.
Ngôn ngữ: Tiếng Anh
ISBN: 978-3-031-08999-2
SpringerLink
Lời giới thiệu: Bộ hai tập LNCS 12962 và 12963 này thành bộ tài liệu được đánh giá kỹ lưỡng của các hội thảo: Hội thảo quốc tế lần thứ 7 về tổn thương não MICCAI, BrainLes 2021, Thử thách phân đoạn khối u não RSNA-ASNR-MICCAI (BraTS), Thử thách phân đoạn khối u liên kết (FeTS), Thử thách thích ứng miền đa phương thức (CrossMoDA) và Thử thách về định lượng độ không đảm bảo trong định lượng hình ảnh y sinh (QUBIQ). Chúng được tổ chức chung tại Hội nghị can thiệp có sự hỗ trợ của máy tính lần thứ 23, MICCAI 2020, vào tháng 9 năm 2021. 91 bài báo đã được xét duyệt được trình bày trong các tập này đã được chọn từ 151 bài nộp. Do đại dịch COVID-19, hội nghị được tổ chức trực tuyến.
  Từ khóa: Mạng lưới thần kinh, kỹ thuật phần mềm, phân tích hình ảnh, hệ thống máy tính, hình ảnh y tế, nhận dạng mẫu, tin sinh học, trí tuệ nhân tạo, phân đoạn hình ảnh, khoa học máy tính, chất lượng phần mềm
Nội dung cuốn sách gồm những phần sau:
Giấy mời
- Đánh giá về học tập liên bang y tế: Ứng dụng trong ung thư và nghiên cứu ung thư
- Cơ hội và thách thức đối với việc học sâu trong tổn thương não
Tổn thương não
- EMSViT: Bộ biến đổi thị giác đa quy mô hiệu quả để phân đoạn hình ảnh y sinh
- CA-Net: Mạng lưới chú ý hợp tác để chẩn đoán u thần kinh đệm đa phương thức
- Các phương pháp phân đoạn dị thường bán giám sát hiện tại đầy thách thức đối với MRI não
- Phân đoạn tổn thương nhỏ trong MRI não với nhúng Subpixel
- Supervoxel đa phương thức không được giám sát hợp nhất theo hướng phân chia khối u não
- Đánh giá các dự đoán tăng trưởng u thần kinh đệm như một vấn đề xếp hạng chuyển tiếp
- Mô hình hóa tính không chắc chắn của bộ chú thích đa dạng như vấn đề phân đoạn nhiều lớp
- Học tập không giám sát thích ứng với khả năng biểu diễn tính năng nâng cao để phân vùng trong khối u và dự đoán khả năng sống sót cho bệnh u nguyên bào thần kinh đệm
- Dự đoán trạng thái đột biến Isocitrate Dehydrogenase trong u thần kinh đệm bằng cách sử dụng Mạng cấu trúc não và Mạng lưới thần kinh đồ thị
- Tối ưu hóa trích xuất não dựa trên học sâu trong MRI cho môi trường tài nguyên thấp
BraTS
- Học tập tương tác đối kháng đối với việc phân chia khối u não: Giải pháp cho nhiệm vụ phân đoạn của thử thách BraTS năm 2021
- Unet3D với Khối chú ý nhiều vòng xoắn để phân đoạn khối u não
- BRATS2021: Khám phá từng chuỗi trong đầu vào đa phương thức để đạt được hiệu suất U-net cơ bản
- Kết hợp thông tin toàn cầu với ưu tiên cấu trúc liên kết để phân đoạn khối u não
- Phân đoạn khối u não tự động bằng cách sử dụng các tính năng và cơ chế chú ý đa quy mô
- Mạng nơ-ron tích chập đơn giản và nhanh chóng được áp dụng cho các mặt cắt trung bình để dự đoán sự hiện diện của quá trình methyl hóa chất xúc tác MGMT trong quét MRI FLAIR
- Phân đoạn khối u não bằng cách sử dụng mặt nạ không cục bộ R-CNN và bộ mô hình đơn
- EfficientNet để phân loại tổn thương não
- HarDNet-BTS: Mạng đường tắt hài hòa để phân chia khối u não
- Swin UNETR: Máy biến áp Swin để phân đoạn ngữ nghĩa của các khối u não trong hình ảnh MRI
- Tập hợp UNet++ đa mặt phẳng để phân đoạn u nguyên bào thần kinh đệm
- Phân đoạn khối u não đa phương thức sử dụng kiến ​​trúc UNet đã sửa đổi
- Phương pháp học tập chuyển giao dựa trên dữ liệu video để phân loại trạng thái MGMT trong hình ảnh MRI khối u não
- Phân đoạn khối u não đa phương thức bằng cách sử dụng ResUNet 3D trong BraTS 2021
- Phân đoạn khối u não bằng MRI 3D với chức năng chính quy bộ mã hóa tự động và chức năng mất khoảng cách Hausdorff
- 3D CMM-Net với Bộ mã hóa sâu hơn để phân đoạn ngữ nghĩa của các khối u não trong Thử thách BraTS2021
- Sự kết hợp đa phương thức để phân loại khối u não bằng phương pháp di truyền phóng xạ
- Mạng kết hợp đồ thị và hình ảnh để phân đoạn khối u não tự động
- Phân đoạn khối u não bằng cách sử dụng tìm kiếm cấu trúc liên kết mạng thần kinh
- Phân đoạn khối u não trong quét MRI đa phương thức bằng kiến ​​trúc SegNet 3D
- U-Net 3D dư với khả năng định vị để phân đoạn khối u não
- Kỹ thuật vận chuyển khối lượng lớn tối ưu hai giai đoạn để phát hiện và phân chia khối u não 3D
- Quy trình đào tạo xếp tầng cho phân đoạn khối u não 3D
- NnUNet với chương trình đào tạo theo lĩnh vực và tập hợp tổn thất theo khu vực để phân chia khối u não
- Phân đoạn khối u não bằng cách sử dụng U-Net được kích hoạt chú ý với khai thác tích cực
- Tương tác phương thức phân cấp và toàn cầu để phân chia khối u não
- Tập hợp vượt trội hơn các mô hình đơn lẻ trong phân đoạn khối u não
- Phân đoạn khối u não bằng mạng mã hóa bối cảnh UNet
- Tập hợp các mạng CNN để phân chia khối u GBM bằng cách sử dụng MRI đa thông số