||
MIR专题"Transformers for Medical Image Analysis"现公开征集原创稿件,截稿日期为2024年7月1日。欢迎赐稿!
专题征稿
Special Issue on Transformers for Medical Image Analysis
专题简介
Transformers have demonstrated their great potential in the field of natural language processing (NLP). Inspired by the successes of Transformers in NLP, researchers have started to use Vision Transformer (ViT) to deal with image classification tasks by capturing long-term dependencies within the input image. In recent years, Transformers have been applied to medical image analysis, in particular, disease diagnosis, image segmentation, and object detection and synthesis.
The goal of this special issue is to bring together perspectives from various disciplines, including healthcare artificial intelligence, medical image machine learning, bioinformatics and medical record analysis. We wish this special issue becomes a forum where open research questions and opportunities in medical image analysis are identified and addressed in the research community.
征稿范围(包括但不限于)
Topics of interest include, but are not limited to:
1) Deep learning for cancer detection and prognosis prediction.
2) Deep learning in bioinformatics.
3) Deep learning for biomarker discovery and validation.
4) Explainable deep learning in medical image analysis.
5) Adversarial attacks and defences in deep learning systems.
6) Ethical challenges and solutions in deep learning.
7) Time series analysis using Transformers.
8) Transfer learning and applications using Transformers.
9) Transformer based multi-modal analysis in clinical diagnosis.
10) Transformer based federated learning for distributed medical data.
投稿指南
截稿日期:2024年7月1日
投稿地址(已开通):
https://mc03.manuscriptcentral.com/mir
投稿时,请在系统中选择:
“Step 6 Details & Comments: Special Issue and Special Section---Transformers for medical image analysis”.
客座编委
Dr. Zheheng Jiang, School of Computing and Communications, Lancaster University, United Kingdom. Email: z.jiang11@lancaster.ac.uk.
Prof. Huiyu Zhou, School of Computing and Mathematical Sciences, University of Leicester, United Kingdom. Email: hz143@leicester.ac.uk.
Prof. Abdul Sadka, Aston Institute of Digital Futures, Aston University, United Kingdom. Email: a.sadka@aston.ac.uk.
Prof. Dacheng Tao, School of Computer Science and Engineering, Nanyang Technological University, Singapore. Email: dacheng.tao@gmail.com.
Prof. Yike Guo, Department of Computer Science and Engineering, Hong Kong University of Science and Technology, Hong Kong. Email: yikeguo@ust.hk.
∨关于Machine Intelligence Research
Machine Intelligence Research(简称MIR,原刊名International Journal of Automation and Computing)由中国科学院自动化研究所主办,于2022年正式出版。MIR立足国内、面向全球,着眼于服务国家战略需求,刊发机器智能领域最新原创研究性论文、综述、评论等,全面报道国际机器智能领域的基础理论和前沿创新研究成果,促进国际学术交流与学科发展,服务国家人工智能科技进步。期刊入选"中国科技期刊卓越行动计划",已被ESCI、EI、Scopus、中国科技核心期刊、CSCD等数据库收录。
2023年第6期 | 影像组学、机器学习、图像盲去噪、深度估计...
2023年第5期 | 生成式人工智能系统、智能网联汽车、毫秒级人脸检测器、个性化联邦学习框架... (机器智能研究MIR)
2023年第4期 | 大规模多模态预训练模型、机器翻译、联邦学习......
2023年第3期 | 人机对抗智能、边缘智能、掩码图像重建、强化学习...
2023年第2期 · 特约专题 | 大规模预训练: 数据、模型和微调
2023年第1期 | 类脑智能机器人、联邦学习、视觉-语言预训练、伪装目标检测...
2022年第6期 | 因果推理、视觉表征学习、视频息肉分割...
2022年第4期 | 来自苏黎世联邦理工学院Luc Van Gool教授团队、清华大学戴琼海院士团队等
2022年第3期 | 聚焦自然语言处理、机器学习等领域;来自复旦大学、中国科学院自动化所等团队
2022年第2期 | 聚焦知识挖掘、5G、强化学习等领域;来自联想研究院、中国科学院自动化所等团队
好文推荐
下载量TOP好文 | 人工智能领域高下载文章集锦 (2022-2023年)
引用量TOP好文 | 人工智能领域高引用文章集锦 (2022-2023年)
哈工大江俊君团队 | DepthFormer: 利用长程关联和局部信息进行精确的单目深度估计
Luc Van Gool团队 | 通过Swin-Conv-UNet和数据合成实现实用图像盲去噪
贺威团队&王耀南院士团队 | 基于动态运动基元的机器人技能学习
乔红院士团队 | 类脑智能机器人:理论分析与系统应用 (机器智能研究MIR)
南科大于仕琪团队 | YuNet:一个速度为毫秒级的人脸检测器
上海交大严骏驰团队 | 综述: 求解布尔可满足性问题(SAT)的机器学习方法
前沿观点 | 谷歌BARD的视觉理解能力如何?对开放挑战的实证研究
港中文黄锦辉团队 | 综述: 任务型对话对话策略学习的强化学习方法
南航张道强教授团队 | 综述:用于脑影像基因组学的机器学习方法
ETHZ团队 | 一种基于深度梯度学习的高效伪装目标检测方法 (机器智能研究MIR)
Luc Van Gool团队 | 深度学习视角下的视频息肉分割
专题好文 | 新型类脑去噪内源生成模型: 解决复杂噪音下的手写数字识别问题
戴琼海院士团队 | 用以图像去遮挡的基于事件增强的多模态融合混合网络
ETH Zurich重磅综述 | 人脸-素描合成:一个新的挑战
MIR资讯
MIR 优秀编委 & 优秀审稿人 & 高被引论文 (2023年度)
致谢审稿人 | Machine Intelligence Research
年终喜报!MIR科技期刊世界影响力指数跻身Q1区 (含100份龙年礼包)
2022影响因子发布!人工智能领域最新SCI & ESCI期刊一览
双喜!MIR入选”2022中国科技核心期刊”,并被DBLP收录 | 机器智能研究MIR
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-1 10:06
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社