انتقال بازنمایی و انطباق دامنه، و هوش مصنوعی و مراقبت های بهداشتی مقرون به صرفه برای سلامت جهانی با منابع گوناگون: سومین کارگاه MICCAI، دارت ۲۰۲۱، و اولین کارگاه MICCAI، فیر ۲۰۲۱، که به طور مشترک با MICCAI ۲۰۲۱ در استراسبورگ، فرانسه، در تاریخ های ۲۷ سپتامبر و ۱ اکتبر ۲۰۲۱ برگزار شدند، مجموعه مقالات.
Domain Adaptation and Representation Transfer, and Affordable Healthcare and AI for Resource Diverse Global Health: Third MICCAI Workshop, DART 2021, and First MICCAI Workshop, FAIR 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27 and October 1, 2021, Proceedings

این کتاب شامل مجموعه مقالات داوری شده سومین کارگاه MICCAI در مورد انطباق دامنه و انتقال بازنمایی، DART 2021، و اولین کارگاه MICCAI در مورد مراقبت های بهداشتی مقرون به صرفه و هوش مصنوعی برای سلامت جهانی متنوع از نظر منابع، FAIR 2021، است که همزمان با MICCAI 2021، در سپتامبر/اکتبر 2021 برگزار شد. برنامه ریزی شده بود که این کارگاه ها در استراسبورگ، فرانسه برگزار شوند، اما به دلیل همه گیری COVID-19 به صورت مجازی برگزار شدند.

DART 2021، ۱۳ مقاله از ۲۱ مقاله ارسالی را پذیرفت. هدف این کارگاه ایجاد یک انجمن گفت وگو برای مقایسه، ارزیابی و بحث در مورد پیشرفت های روش شناختی و ایده هایی است که می توانند با ایجاد رویکردهای یادگیری ماشین (ML)/ یادگیری عمیق (DL) قوی و سازگار در دامنه های مختلف، کاربرد آنها را در محیط بالینی بهبود بخشند.

برای FAIR 2021، ۱۰ مقاله از ۱۷ مقاله ارسالی برای انتشار پذیرفته شدند. آنها بر ترجمه تصویر به تصویر به ویژه برای تنظیمات با دوز کم یا وضوح پایین، فشردگی و فشرده سازی مدل، انطباق دامنه و یادگیری انتقالی، یادگیری فعال، مداوم و فرا-یادگیری تمرکز دارند.

This book constitutes the refereed proceedings of the Third MICCAI Workshop on Domain Adaptation and Representation Transfer, DART 2021, and the First MICCAI Workshop on Affordable Healthcare and AI for Resource Diverse Global Health, FAIR 2021, held in conjunction with MICCAI 2021, in September/October 2021. The workshops were planned to take place in Strasbourg, France, but were held virtually due to the COVID-19 pandemic.
DART 2021 accepted 13 papers from the 21 submissions received. The workshop aims at creating a discussion forum to compare, evaluate, and discuss methodological advancements and ideas that can improve the applicability of machine learning (ML)/deep learning (DL) approaches to clinical setting by making them robust and consistent across different domains.

For FAIR 2021, 10 papers from 17 submissions were accepted for publication. They focus on Image-to-Image Translation particularly for low-dose or low-resolution settings; Model Compactness and Compression; Domain Adaptation and Transfer Learning; Active, Continual and Meta-Learning.