Deep learning and Bayesian inference for medical imaging

Informations projet

DeeBMED

N° de convention de subvention: 702666

DOI

10.3030/702666

Projet clôturé

Date de signature de la CE 17 Février 2016

Date de début 1 Octobre 2016

Date de fin 30 Septembre 2018

Financé au titre de

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Coût total

€ 177 598,80

Contribution de l’UE

€ 177 598,80

Coordonné par

UNIVERSITEIT VAN AMSTERDAM
Netherlands

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Conference proceedings (11)

VAE with a VampPrior

Auteurs: Jakub Tomczak, Max Welling
Publié dans: Proceedings of the Twenty-First International Conference on Artificial Intelligence and Statistics, Numéro PMLR 84, 2018, Page(s) 1214-1223
Éditeur: Journal of Machine Learning Research

Improving variational auto-encoders using householder flow

Auteurs: Jakub M Tomczak, Max Welling
Publié dans: Bayesian Deep Learning Workshop @ NIPS 2016, 2016, Page(s) 8
Éditeur: Bayesian Deep Learning Workshop @ NIPS 2016

Improving Variational Auto-Encoders using convex combination linear Inverse Autoregressive Flow

Auteurs: Jakub M. Tomczak, M Welling
Publié dans: Benelearn 2017: Proceedings of the Twenty-Sixth Benelux Conference on Machine Learning, 2017, Page(s) 162-164
Éditeur: TU/e

A deep multiple instance model to predict prostate cancer metastasis from nuclear morphology

Auteurs: Nathan Ing, Jakub M Tomczak, Eric Miller, Isla P Garraway, Max Welling, Beatrice S Knudsen, Arkadiusz Gertych
Publié dans: Medical Imaging with Deep Learning, 2018
Éditeur: OpenReview

Deep Learning with Order-invariant Operator for Multi-instance Histopathology Classification

Auteurs: Jakub Tomczak, Maximilian Ilse and Max Welling
Publié dans: MEDICAL IMAGING MEETS NIPS 2017, 2017
Éditeur: arXiv

Sylvester Normalizing Flows for Variational Inference

Auteurs: Rianne van den Berg, Leonard Hasenclever, Jakub M. Tomczak, Max Welling
Publié dans: Uncertainty in Artificial Intelligence Proceedings of the Thirty-Fourth Conference (2018), 2018
Éditeur: UAI 2018

Attention-based Deep Multiple Instance Learning

Auteurs: Maximilian Ilse, Jakub Tomczak, Max Welling
Publié dans: Volume 80: International Conference on Machine Learning, 10-15 July 2018, Stockholmsmässan, Stockholm Sweden, Numéro PMLR 80, 2018, Page(s) 2127-2136
Éditeur: PMLR

Hierarchical VampPrior Variational Fair Auto-Encoder

Auteurs: Philip Botros and Jakub Tomczak
Publié dans: Theoretical Foundations and Applications of Deep Generative Models @ ICML 2018, 2018
Éditeur: Theoretical Foundations and Applications of Deep Generative Models @ ICML 2018

Variational Inference with Orthogonal Normalizing Flows

Auteurs: Leonard Hasenclever, Jakub Tomczak, Rianne van den Berg and Max Welling
Publié dans: Bayesian Deep Learning @ NIPS 2017, 2017
Éditeur: Bayesian Deep Learning @ NIPS 2017

Histopathological classification of precursor lesions of esophageal adenocarcinoma: A Deep Multiple Instance Learning Approach

Auteurs: Jakub M Tomczak, Maximilian Ilse, Max Welling, Marnix Jansen, Helen G Coleman, Marit Lucas, Kikki de Laat, Martijn de Bruin, Henk Marquering, Myrtle J van der Wel, Onno J de Boer, C Dilara Savci Heijink, Sybren L Meijer
Publié dans: Medical Imaging with Deep Learning, 2018
Éditeur: OpenReview

Hyperspherical Variational Auto-Encoders

Auteurs: Tim R. Davidson, Luca Falorsi, Nicola De Cao, Thomas Kipf, Jakub M. Tomczak
Publié dans: Uncertainty in Artificial Intelligence Proceedings of the Thirty-Fourth Conference (2018), 2018
Éditeur: UAI 2018