Evaluating Reliability in Medical DNNs: A Critical Analysis of Feature and Confidence-Based OOD Detection
Anthony H,  Kamnitsas K,  et al. (2025)

F$^3$OCUS -- Federated Finetuning of Vision-Language Foundation Models with Optimal Client Layer Updating Strategy via Multi-objective Meta-Heuristics
Saha P,  Wagner F,  Mishra D,  Peng C,  Thakur A,  Clifton D,  Kamnitsas K,  Noble JA,  et al. (2025)

As Firm As Their Foundations: Can open-sourced foundation models be used to create adversarial examples for downstream tasks
Hu A,  Gu J,  Pinto F,  Kamnitsas K,  Torr P,  et al. (2025)

Radiomics for Treatment Planning in Liver Cancers.
Mian A,  Kamnitsas K,  Gordon-Weeks A,  et al. (2025)

Author Correction: Federated learning enables big data for rare cancer boundary detection.
Pati S,  Baid U,  Edwards B,  Sheller M,  Wang S-H,  Reina GA,  Foley P,  Gruzdev A,  Karkada D,  Davatzikos C,  Sako C,  Ghodasara S,  Bilello M,  Mohan S,  Vollmuth P,  Brugnara G,  Preetha CJ,  Sahm F,  Maier-Hein K,  Zenk M,  Bendszus M,  Wick W,  Calabrese E,  Rudie J,  Villanueva-Meyer J,  Cha S,  Ingalhalikar M,  Jadhav M,  Pandey U,  Saini J,  Garrett J,  Larson M,  Jeraj R,  Currie S,  Frood R,  Fatania K,  Huang RY,  Chang K,  Balaña C,  Capellades J,  Puig J,  Trenkler J,  Pichler J,  Necker G,  Haunschmidt A,  Meckel S,  Shukla G,  Liem S,  Alexander GS,  Lombardo J,  Palmer JD,  Flanders AE,  Dicker AP,  Sair HI,  Jones CK,  Venkataraman A,  Jiang M,  So TY,  Chen C,  Heng PA,  Dou Q,  Kozubek M,  Lux F,  Michálek J,  Matula P,  Keřkovský M,  Kopřivová T,  Dostál M,  Vybíhal V,  Vogelbaum MA,  Mitchell JR,  Farinhas J,  Maldjian JA,  Yogananda CGB,  Pinho MC,  Reddy D,  Holcomb J,  Wagner BC,  Ellingson BM,  Cloughesy TF,  Raymond C,  Oughourlian T,  Hagiwara A,  Wang C,  To M-S,  Bhardwaj S,  Chong C,  Agzarian M,  Falcão AX,  Martins SB,  Teixeira BCA,  Sprenger F,  Menotti D,  Lucio DR,  LaMontagne P,  Marcus D,  Wiestler B,  Kofler F,  Ezhov I,  Metz M,  Jain R,  Lee M,  Lui YW,  McKinley R,  Slotboom J,  Radojewski P,  Meier R,  Wiest R,  Murcia D,  Fu E,  Haas R,  Thompson J,  Ormond DR,  Badve C,  Sloan AE,  Vadmal V,  Waite K,  Colen RR,  Pei L,  Ak M,  Srinivasan A,  Bapuraj JR,  Rao A,  Wang N,  Yoshiaki O,  Moritani T,  Turk S,  Lee J,  Prabhudesai S,  Morón F,  Mandel J,  Kamnitsas K,  Glocker B,  Dixon LVM,  Williams M,  Zampakis P,  Panagiotopoulos V,  Tsiganos P,  Alexiou S,  Haliassos I,  Zacharaki EI,  Moustakas K,  Kalogeropoulou C,  Kardamakis DM,  Choi YS,  Lee S-K,  Chang JH,  Ahn SS,  Luo B,  Poisson L,  Wen N,  Tiwari P,  Verma R,  Bareja R,  Yadav I,  Chen J,  Kumar N,  Smits M,  van der Voort SR,  Alafandi A,  Incekara F,  Wijnenga MMJ,  Kapsas G,  Gahrmann R,  Schouten JW,  Dubbink HJ,  Vincent AJPE,  van den Bent MJ,  French PJ,  Klein S,  Yuan Y,  Sharma S,  Tseng T-C,  Adabi S,  Niclou SP,  Keunen O,  Hau A-C,  Vallières M,  Fortin D,  Lepage M,  Landman B,  Ramadass K,  Xu K,  Chotai S,  Chambless LB,  Mistry A,  Thompson RC,  Gusev Y,  Bhuvaneshwar K,  Sayah A,  Bencheqroun C,  Belouali A,  Madhavan S,  Booth TC,  Chelliah A,  Modat M,  Shuaib H,  Dragos C,  Abayazeed A,  Kolodziej K,  Hill M,  Abbassy A,  Gamal S,  Mekhaimar M,  Qayati M,  Reyes M,  Park JE,  Yun J,  Kim HS,  Mahajan A,  Muzi M,  Benson S,  Beets-Tan RGH,  Teuwen J,  Herrera-Trujillo A,  Trujillo M,  Escobar W,  Abello A,  Bernal J,  Gómez J,  Choi J,  Baek S,  Kim Y,  Ismael H,  Allen B,  Buatti JM,  Kotrotsou A,  Li H,  Weiss T,  Weller M,  Bink A,  Pouymayou B,  Shaykh HF,  Saltz J,  Prasanna P,  Shrestha S,  Mani KM,  Payne D,  Kurc T,  Pelaez E,  Franco-Maldonado H,  Loayza F,  Quevedo S,  Guevara P,  Torche E,  Mendoza C,  Vera F,  Ríos E,  López E,  Velastin SA,  Ogbole G,  Soneye M,  Oyekunle D,  Odafe-Oyibotha O,  Osobu B,  Shu'aibu M,  Dorcas A,  Dako F,  Simpson AL,  Hamghalam M,  Peoples JJ,  Hu R,  Tran A,  Cutler D,  Moraes FY,  Boss MA,  Gimpel J,  Veettil DK,  Schmidt K,  Bialecki B,  Marella S,  Price C,  Cimino L,  Apgar C,  Shah P,  Menze B,  Barnholtz-Sloan JS,  Martin J,  Bakas S,  et al. (2024)

Preface DART 2023
Koch L,  Cardoso MJ,  Ferrante E,  Islam M,  Jiang M,  Kamnitsas K,  Rieke N,  Tsaftaris SA,  Yang D,  et al. (2024)

Modality Cycles with Masked Conditional Diffusion for Unsupervised Anomaly Segmentation in MRI
Liang Z,  Anthony H,  Wagner F,  Kamnitsas K,  et al. (2024)

Semi-Supervised Learning for Deep Causal Generative Models
Ibrahim Y,  Warr H,  Kamnitsas K,  et al. (2024)

As Firm As Their Foundations: Can open-sourced foundation models be used to create adversarial examples for downstream tasks?
Hu A,  Gu J,  Pinto F,  Kamnitsas K,  Torr P,  et al. (2024)

Examining Modality Incongruity in Multimodal Federated Learning for Medical Vision and Language-based Disease Detection
Saha P,  Mishra D,  Wagner F,  Kamnitsas K,  Noble JA,  et al. (2024)

As firm as their foundations: can open-sourced foundation models be used to create adversarial examples for downstream tasks?
Hu A,  Gu J,  Pinto F,  Kamnitsas K,  Torr P,  et al. (2024)

Feasibility and benefits of joint learning from MRI databases with different brain diseases and modalities for segmentation
Xu W,  Moffat M,  Seale T,  Liang Z,  Wagner F,  Whitehouse D,  Menon D,  Newcombe V,  Voets N,  Banerjee A,  Kamnitsas K,  et al. (2024)

IterMask2: Iterative Unsupervised Anomaly Segmentation via Spatial and Frequency Masking for Brain Lesions in MRI
Liang Z,  Guo X,  Noble JA,  Kamnitsas K,  et al. (2024)

Feasibility of Federated Learning from Client Databases with Different Brain Diseases and MRI Modalities
Wagner F,  Xu W,  Saha P,  Liang Z,  Whitehouse D,  Menon D,  Voets N,  Noble JA,  Kamnitsas K,  et al. (2024)

An Organism Starts with a Single Pix-Cell: A Neural Cellular Diffusion for High-Resolution Image Synthesis
Elbatel M,  Kamnitsas K,  Li X,  et al. (2024)

Quality Control for Radiology Report Generation Models via Auxiliary Auditing Components
Warr H,  Ibrahim Y,  McGowan DR,  Kamnitsas K,  et al. (2024)

Is Your Style Transfer Doing Anything Useful? An Investigation Into Hippocampus Segmentation and the Role of Preprocessing
Kalabizadeh H,  Griffanti L,  Yeung PH,  Voets N,  Gillis G,  Mackay CE,  Namburete AIL,  Dinsdale NK,  Kamnitsas K,  et al. (2024)

Evaluating Reliability in Medical DNNs: A Critical Analysis of Feature and Confidence-Based OOD Detection
Anthony H,  Kamnitsas K,  et al. (2024)

Quality Control for Radiology Report Generation Models via Auxiliary Auditing Components
Warr H,  Ibrahim Y,  McGowan DR,  Kamnitsas K,  et al. (2024)

IterMask2: Iterative Unsupervised Anomaly Segmentation via Spatial and Frequency Masking for Brain Lesions in MRI
Liang Z,  Guo X,  Noble JA,  Kamnitsas K,  et al. (2024)

Semi-Supervised Learning for Deep Causal Generative Models
Ibrahim Y,  Warr H,  Kamnitsas K,  et al. (2024)

Is Your Style Transfer Doing Anything Useful? An Investigation into Hippocampus Segmentation and the Role of Preprocessing
Kalabizadeh H,  Griffanti L,  Yeung P-H,  Voets N,  Gillis G,  Mackay C,  Namburete AI,  Dinsdale NK,  Kamnitsas K,  et al. (2024)

SPA: Efficient User-Preference Alignment against Uncertainty in Medical Image Segmentation
Zhu J,  Wu J,  Ouyang C,  Kamnitsas K,  Noble A,  et al. (2024)

Feasibility and benefits of joint learning from MRI databases with different brain diseases and modalities for segmentation
Xu W,  Moffat M,  Seale T,  Liang Z,  Wagner F,  Whitehouse D,  Menon D,  Newcombe V,  Voets N,  Banerjee A,  Kamnitsas K,  et al. (2024)

A Review of the Metrics Used to Assess Auto-Contouring Systems in Radiotherapy.
Mackay K,  Bernstein D,  Glocker B,  Kamnitsas K,  Taylor A,  et al. (2023)

Context Label Learning: Improving Background Class Representations in Semantic Segmentation.
Li Z,  Kamnitsas K,  Ouyang C,  Chen C,  Glocker B,  et al. (2023)

Post-Deployment Adaptation with Access to Source Data via Federated Learning and Source-Target Remote Gradient Alignment
Wagner F,  Li Z,  Saha P,  Kamnitsas K,  et al. (2023)

Joint Optimization of Class-Specific Training- and Test-Time Data Augmentation in Segmentation.
Li Z,  Kamnitsas K,  Dou Q,  Qin C,  Glocker B,  et al. (2023)

On the Use of Mahalanobis Distance for Out-of-distribution Detection with Neural Networks for Medical Imaging
Anthony H,  Kamnitsas K,  et al. (2023)

On the use of Mahalanobis distance for out-of-distribution detection with neural networks for medical imaging
Anthony H,  Kamnitsas K,  et al. (2023)

Post-Deployment Adaptation with Access to Source Data via Federated Learning and Source-Target Remote Gradient Alignment
Wagner F,  Li Z,  Saha P,  Kamnitsas K,  et al. (2023)

Modality Cycles with Masked Conditional Diffusion for Unsupervised Anomaly Segmentation in MRI
Liang Z,  Anthony H,  Wagner F,  Kamnitsas K,  et al. (2023)

Joint Optimization of Class-Specific Training- and Test-Time Data Augmentation in Segmentation
Li Z,  Kamnitsas K,  Dou Q,  Qin C,  Glocker B,  et al. (2023)

As firm as their foundations: creating transferable adversarial examples across downstream tasks with CLIP
Hu A,  Gu J,  Pinto F,  Kamnitsas K,  Torr PHS,  et al. (2023)

Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI.
Vasey B,  Nagendran M,  Campbell B,  Clifton DA,  Collins GS,  Denaxas S,  Denniston AK,  Faes L,  Geerts B,  Ibrahim M,  Liu X,  Mateen BA,  Mathur P,  McCradden MD,  Morgan L,  Ordish J,  Rogers C,  Saria S,  Ting DSW,  Watkinson P,  Weber W,  Wheatstone P,  McCulloch P,  DECIDE-AI expert group ,  et al. (2022)

Reporting guideline for the early stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI
Vasey B,  Nagendran M,  Campbell B,  Clifton DA,  Collins GS,  Denaxas S,  Denniston AK,  Faes L,  Geerts B,  Ibrahim M,  Liu X,  Mateen BA,  Mathur P,  McCradden MD,  Morgan L,  Ordish J,  Rogers C,  Saria S,  Ting DSW,  Watkinson P,  Weber W,  Wheatstone P,  McCulloch P,  et al. (2022)

Publisher Correction: Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI.
Vasey B,  Nagendran M,  Campbell B,  Clifton DA,  Collins GS,  Denaxas S,  Denniston AK,  Faes L,  Geerts B,  Ibrahim M,  Liu X,  Mateen BA,  Mathur P,  McCradden MD,  Morgan L,  Ordish J,  Rogers C,  Saria S,  Ting DSW,  Watkinson P,  Weber W,  Wheatstone P,  McCulloch P,  DECIDE-AI expert group ,  et al. (2022)

Estimating Model Performance Under Domain Shifts with Class-Specific Confidence Scores
Li Z,  Kamnitsas K,  Islam M,  Chen C,  Glocker B,  et al. (2022)

Preface
Cardoso MJ,  Dou Q,  Islam M,  Kamnitsas K,  Koch L,  Rieke N,  Tsaftaris S,  Xu Z,  et al. (2022)

Federated learning enables big data for rare cancer boundary detection.
Pati S,  Baid U,  Edwards B,  Sheller M,  Wang S-H,  Reina GA,  Foley P,  Gruzdev A,  Karkada D,  Davatzikos C,  Sako C,  Ghodasara S,  Bilello M,  Mohan S,  Vollmuth P,  Brugnara G,  Preetha CJ,  Sahm F,  Maier-Hein K,  Zenk M,  Bendszus M,  Wick W,  Calabrese E,  Rudie J,  Villanueva-Meyer J,  Cha S,  Ingalhalikar M,  Jadhav M,  Pandey U,  Saini J,  Garrett J,  Larson M,  Jeraj R,  Currie S,  Frood R,  Fatania K,  Huang RY,  Chang K,  Balaña C,  Capellades J,  Puig J,  Trenkler J,  Pichler J,  Necker G,  Haunschmidt A,  Meckel S,  Shukla G,  Liem S,  Alexander GS,  Lombardo J,  Palmer JD,  Flanders AE,  Dicker AP,  Sair HI,  Jones CK,  Venkataraman A,  Jiang M,  So TY,  Chen C,  Heng PA,  Dou Q,  Kozubek M,  Lux F,  Michálek J,  Matula P,  Keřkovský M,  Kopřivová T,  Dostál M,  Vybíhal V,  Vogelbaum MA,  Mitchell JR,  Farinhas J,  Maldjian JA,  Yogananda CGB,  Pinho MC,  Reddy D,  Holcomb J,  Wagner BC,  Ellingson BM,  Cloughesy TF,  Raymond C,  Oughourlian T,  Hagiwara A,  Wang C,  To M-S,  Bhardwaj S,  Chong C,  Agzarian M,  Falcão AX,  Martins SB,  Teixeira BCA,  Sprenger F,  Menotti D,  Lucio DR,  LaMontagne P,  Marcus D,  Wiestler B,  Kofler F,  Ezhov I,  Metz M,  Jain R,  Lee M,  Lui YW,  McKinley R,  Slotboom J,  Radojewski P,  Meier R,  Wiest R,  Murcia D,  Fu E,  Haas R,  Thompson J,  Ormond DR,  Badve C,  Sloan AE,  Vadmal V,  Waite K,  Colen RR,  Pei L,  Ak M,  Srinivasan A,  Bapuraj JR,  Rao A,  Wang N,  Yoshiaki O,  Moritani T,  Turk S,  Lee J,  Prabhudesai S,  Morón F,  Mandel J,  Kamnitsas K,  Glocker B,  Dixon LVM,  Williams M,  Zampakis P,  Panagiotopoulos V,  Tsiganos P,  Alexiou S,  Haliassos I,  Zacharaki EI,  Moustakas K,  Kalogeropoulou C,  Kardamakis DM,  Choi YS,  Lee S-K,  Chang JH,  Ahn SS,  Luo B,  Poisson L,  Wen N,  Tiwari P,  Verma R,  Bareja R,  Yadav I,  Chen J,  Kumar N,  Smits M,  van der Voort SR,  Alafandi A,  Incekara F,  Wijnenga MMJ,  Kapsas G,  Gahrmann R,  Schouten JW,  Dubbink HJ,  Vincent AJPE,  van den Bent MJ,  French PJ,  Klein S,  Yuan Y,  Sharma S,  Tseng T-C,  Adabi S,  Niclou SP,  Keunen O,  Hau A-C,  Vallières M,  Fortin D,  Lepage M,  Landman B,  Ramadass K,  Xu K,  Chotai S,  Chambless LB,  Mistry A,  Thompson RC,  Gusev Y,  Bhuvaneshwar K,  Sayah A,  Bencheqroun C,  Belouali A,  Madhavan S,  Booth TC,  Chelliah A,  Modat M,  Shuaib H,  Dragos C,  Abayazeed A,  Kolodziej K,  Hill M,  Abbassy A,  Gamal S,  Mekhaimar M,  Qayati M,  Reyes M,  Park JE,  Yun J,  Kim HS,  Mahajan A,  Muzi M,  Benson S,  Beets-Tan RGH,  Teuwen J,  Herrera-Trujillo A,  Trujillo M,  Escobar W,  Abello A,  Bernal J,  Gómez J,  Choi J,  Baek S,  Kim Y,  Ismael H,  Allen B,  Buatti JM,  Kotrotsou A,  Li H,  Weiss T,  Weller M,  Bink A,  Pouymayou B,  Shaykh HF,  Saltz J,  Prasanna P,  Shrestha S,  Mani KM,  Payne D,  Kurc T,  Pelaez E,  Franco-Maldonado H,  Loayza F,  Quevedo S,  Guevara P,  Torche E,  Mendoza C,  Vera F,  Ríos E,  López E,  Velastin SA,  Ogbole G,  Soneye M,  Oyekunle D,  Odafe-Oyibotha O,  Osobu B,  Shu'aibu M,  Dorcas A,  Dako F,  Simpson AL,  Hamghalam M,  Peoples JJ,  Hu R,  Tran A,  Cutler D,  Moraes FY,  Boss MA,  Gimpel J,  Veettil DK,  Schmidt K,  Bialecki B,  Marella S,  Price C,  Cimino L,  Apgar C,  Shah P,  Menze B,  Barnholtz-Sloan JS,  Martin J,  Bakas S,  et al. (2022)

Federated Learning Enables Big Data for Rare Cancer Boundary Detection
Pati S,  Baid U,  Edwards B,  Sheller M,  Wang S-H,  Reina GA,  Foley P,  Gruzdev A,  Karkada D,  Davatzikos C,  Sako C,  Ghodasara S,  Bilello M,  Mohan S,  Vollmuth P,  Brugnara G,  Preetha CJ,  Sahm F,  Maier-Hein K,  Zenk M,  Bendszus M,  Wick W,  Calabrese E,  Rudie J,  Villanueva-Meyer J,  Cha S,  Ingalhalikar M,  Jadhav M,  Pandey U,  Saini J,  Garrett J,  Larson M,  Jeraj R,  Currie S,  Frood R,  Fatania K,  Huang RY,  Chang K,  Balana C,  Capellades J,  Puig J,  Trenkler J,  Pichler J,  Necker G,  Haunschmidt A,  Meckel S,  Shukla G,  Liem S,  Alexander GS,  Lombardo J,  Palmer JD,  Flanders AE,  Dicker AP,  Sair HI,  Jones CK,  Venkataraman A,  Jiang M,  So TY,  Chen C,  Heng PA,  Dou Q,  Kozubek M,  Lux F,  Michálek J,  Matula P,  Keřkovský M,  Kopřivová T,  Dostál M,  Vybíhal V,  Vogelbaum MA,  Mitchell JR,  Farinhas J,  Maldjian JA,  Yogananda CGB,  Pinho MC,  Reddy D,  Holcomb J,  Wagner BC,  Ellingson BM,  Cloughesy TF,  Raymond C,  Oughourlian T,  Hagiwara A,  Wang C,  To M-S,  Bhardwaj S,  Chong C,  Agzarian M,  Falcão AX,  Martins SB,  Teixeira BCA,  Sprenger F,  Menotti D,  Lucio DR,  LaMontagne P,  Marcus D,  Wiestler B,  Kofler F,  Ezhov I,  Metz M,  Jain R,  Lee M,  Lui YW,  McKinley R,  Slotboom J,  Radojewski P,  Meier R,  Wiest R,  Murcia D,  Fu E,  Haas R,  Thompson J,  Ormond DR,  Badve C,  Sloan AE,  Vadmal V,  Waite K,  Colen RR,  Pei L,  Ak M,  Srinivasan A,  Bapuraj JR,  Rao A,  Wang N,  Yoshiaki O,  Moritani T,  Turk S,  Lee J,  Prabhudesai S,  Morón F,  Mandel J,  Kamnitsas K,  Glocker B,  Dixon LVM,  Williams M,  Zampakis P,  Panagiotopoulos V,  Tsiganos P,  Alexiou S,  Haliassos I,  Zacharaki EI,  Moustakas K,  Kalogeropoulou C,  Kardamakis DM,  Choi YS,  Lee S-K,  Chang JH,  Ahn SS,  Luo B,  Poisson L,  Wen N,  Tiwari P,  Verma R,  Bareja R,  Yadav I,  Chen J,  Kumar N,  Smits M,  van der Voort SR,  Alafandi A,  Incekara F,  Wijnenga MM,  Kapsas G,  Gahrmann R,  Schouten JW,  Dubbink HJ,  Vincent AJ,  Bent MJVD,  French PJ,  Klein S,  Yuan Y,  Sharma S,  Tseng T-C,  Adabi S,  Niclou SP,  Keunen O,  Hau A-C,  Vallières M,  Fortin D,  Lepage M,  Landman B,  Ramadass K,  Xu K,  Chotai S,  Chambless LB,  Mistry A,  Thompson RC,  Gusev Y,  Bhuvaneshwar K,  Sayah A,  Bencheqroun C,  Belouali A,  Madhavan S,  Booth TC,  Chelliah A,  Modat M,  Shuaib H,  Dragos C,  Abayazeed A,  Kolodziej K,  Hill M,  Abbassy A,  Gamal S,  Mekhaimar M,  Qayati M,  Reyes M,  Park JE,  Yun J,  Kim HS,  Mahajan A,  Muzi M,  Benson S,  Beets-Tan RGH,  Teuwen J,  Herrera-Trujillo A,  Trujillo M,  Escobar W,  Abello A,  Bernal J,  Gómez J,  Choi J,  Baek S,  Kim Y,  Ismael H,  Allen B,  Buatti JM,  Kotrotsou A,  Li H,  Weiss T,  Weller M,  Bink A,  Pouymayou B,  Shaykh HF,  Saltz J,  Prasanna P,  Shrestha S,  Mani KM,  Payne D,  Kurc T,  Pelaez E,  Franco-Maldonado H,  Loayza F,  Quevedo S,  Guevara P,  Torche E,  Mendoza C,  Vera F,  Ríos E,  López E,  Velastin SA,  Ogbole G,  Oyekunle D,  Odafe-Oyibotha O,  Osobu B,  Shu'aibu M,  Dorcas A,  Soneye M,  Dako F,  Simpson AL,  Hamghalam M,  Peoples JJ,  Hu R,  Tran A,  Cutler D,  Moraes FY,  Boss MA,  Gimpel J,  Veettil DK,  Schmidt K,  Bialecki B,  Marella S,  Price C,  Cimino L,  Apgar C,  Shah P,  Menze B,  Barnholtz-Sloan JS,  Martin J,  Bakas S,  et al. (2022)

Distributional Gaussian Processes Layers for Out-of-Distribution Detection
Popescu SG,  Sharp DJ,  Cole JH,  Kamnitsas K,  Glocker B,  et al. (2022)

Context Label Learning: Improving Background Class Representations in Semantic Segmentation
Li Z,  Kamnitsas K,  Ouyang C,  Chen C,  Glocker B,  et al. (2022)

Estimating Model Performance under Domain Shifts with Class-Specific Confidence Scores
Li Z,  Kamnitsas K,  Islam M,  Chen C,  Glocker B,  et al. (2022)

Distributional Gaussian Processes Layers for Out-of-Distribution Detection
Popescu SG,  Sharp DJ,  Cole JH,  Kamnitsas K,  Glocker B,  et al. (2022)

Biomarkers for Traumatic Brain Injury: Data Standards and Statistical Considerations.
Huie JR,  Mondello S,  Lindsell CJ,  Antiga L,  Yuh EL,  Zanier ER,  Masson S,  Rosario BL,  Ferguson AR,  Transforming Research and Clinical Knowledge in Traumatic Brain Injury (TRACK-TBI) Investigators, The Transforming Research and Clinical Knowledge in Traumatic Brain Injury (TRACK-TBI) Investigators, Collaborative European NeuroTrauma Effectiveness Research in Traumatic Brain Injury (CENTER-TBI) Participants and Investigators, Collaborative European NeuroTrauma Effectiveness Research in Traumatic Brain Injury (CENTER-TBI) Participants and Investigators ,  et al. (2021)

Relationship of admission blood proteomic biomarkers levels to lesion type and lesion burden in traumatic brain injury: A CENTER-TBI study.
Whitehouse DP,  Monteiro M,  Czeiter E,  Vyvere TV,  Valerio F,  Ye Z,  Amrein K,  Kamnitsas K,  Xu H,  Yang Z,  Verheyden J,  Das T,  Kornaropoulos EN,  Steyerberg E,  Maas AIR,  Wang KKW,  Büki A,  Glocker B,  Menon DK,  Newcombe VFJ,  CENTER-TBI Participants and Investigators ,  et al. (2021)

Confidence-Based Out-of-Distribution Detection: A Comparative Study and Analysis
Berger C,  Paschali M,  Glocker B,  Kamnitsas K,  et al. (2021)

Transductive Image Segmentation: Self-training and Effect of Uncertainty Estimation
Kamnitsas K,  Winzeck S,  Kornaropoulos EN,  Whitehouse D,  Englman C,  Phyu P,  Pao N,  Menon DK,  Rueckert D,  Das T,  Newcombe VFJ,  Glocker B,  et al. (2021)

Learning from Partially Overlapping Labels: Image Segmentation Under Annotation Shift
Filbrandt G,  Kamnitsas K,  Bernstein D,  Taylor A,  Glocker B,  et al. (2021)

Preface dart 2021
Albarqouni S,  Cardoso MJ,  Dou Q,  Kamnitsas K,  Rieke N,  Tsaftaris S,  Xu D,  Xu Z,  et al. (2021)

Distributional Gaussian Process Layers for Outlier Detection in Image Segmentation
Popescu SG,  Sharp DJ,  Cole JH,  Kamnitsas K,  Glocker B,  et al. (2021)

Analyzing Overfitting Under Class Imbalance in Neural Networks for Image Segmentation.
Li Z,  Kamnitsas K,  Glocker B,  et al. (2021)

Transductive image segmentation: Self-training and effect of uncertainty estimation
Kamnitsas K,  Winzeck S,  Kornaropoulos EN,  Whitehouse D,  Englman C,  Phyu P,  Pao N,  Menon DK,  Rueckert D,  Das T,  Newcombe VFJ,  Glocker B,  et al. (2021)

Learning from Partially Overlapping Labels: Image Segmentation under Annotation Shift
Filbrandt G,  Kamnitsas K,  Bernstein D,  Taylor A,  Glocker B,  et al. (2021)

Confidence-based Out-of-Distribution Detection: A Comparative Study and Analysis
Berger C,  Paschali M,  Glocker B,  Kamnitsas K,  et al. (2021)

Distributional Gaussian Process Layers for Outlier Detection in Image Segmentation
Popescu SG,  Sharp DJ,  Cole JH,  Kamnitsas K,  Glocker B,  et al. (2021)

Analyzing Overfitting under Class Imbalance in Neural Networks for Image Segmentation
Li Z,  Kamnitsas K,  Glocker B,  et al. (2021)

Deep neural network to locate and segment brain tumors outperformed the expert technicians who created the training data.
Mitchell JR,  Kamnitsas K,  Singleton KW,  Whitmire SA,  Clark-Swanson KR,  Ranjbar S,  Rickertsen CR,  Johnston SK,  Egan KM,  Rollison DE,  Arrington J,  Krecke KN,  Passe TJ,  Verdoorn JT,  Nagelschneider AA,  Carr CM,  Port JD,  Patton A,  Campeau NG,  Liebo GB,  Eckel LJ,  Wood CP,  Hunt CH,  Vibhute P,  Nelson KD,  Hoxworth JM,  Patel AC,  Chong BW,  Ross JS,  Boxerman JL,  Vogelbaum MA,  Hu LS,  Glocker B,  Swanson KR,  et al. (2020)

A deep learning approach to segmentation of the developing cortex in fetal brain MRI with minimal manual labeling
Fetit AE,  Alansary A,  Cordero-Grande L,  Cupitt J,  Davidson AB,  Edwards AD,  Hajnal JV,  Hughes E,  Kamnitsas K,  Kyriakopoulou V,  Makropoulos A,  Patkee PA,  Price AN,  Rutherford MA,  Rueckert D,  et al. (2020)

Stochastic segmentation networks: Modelling spatially correlated aleatoric uncertainty
Monteiro M,  Le Folgoc L,  de Castro DC,  Pawlowski N,  Marques B,  Kamnitsas K,  van der Wilk M,  Glocker B,  et al. (2020)

Multiclass semantic segmentation and quantification of traumatic brain injury lesions on head CT using deep learning: an algorithm development and multicentre validation study.
Monteiro M,  Newcombe VFJ,  Mathieu F,  Adatia K,  Kamnitsas K,  Ferrante E,  Das T,  Whitehouse D,  Rueckert D,  Menon DK,  Glocker B,  et al. (2020)

Relationship between Measures of Cerebrovascular Reactivity and Intracranial Lesion Progression in Acute Traumatic Brain Injury Patients: A CENTER-TBI Study.
Mathieu F,  Zeiler FA,  Ercole A,  Monteiro M,  Kamnitsas K,  Glocker B,  Whitehouse DP,  Das T,  Smielewski P,  Czosnyka M,  Hutchinson PJ,  Newcombe VFJ,  Menon DK,  CENTER-TBI High Resolution Sub-Study Participants and Investigators ,  et al. (2020)

Explainable Anatomical Shape Analysis Through Deep Hierarchical Generative Models.
Biffi C,  Cerrolaza JJ,  Tarroni G,  Bai W,  de Marvao A,  Oktay O,  Ledig C,  Le Folgoc L,  Kamnitsas K,  Doumou G,  Duan J,  Prasad SK,  Cook SA,  O'Regan DP,  Rueckert D,  et al. (2020)

Image-Level Harmonization of Multi-site Data Using Image-and-Spatial Transformer Networks
Robinson R,  Dou Q,  Coelho de Castro D,  Kamnitsas K,  de Groot M,  Summers RM,  Rueckert D,  Glocker B,  et al. (2020)

Preface dart 2020
Albarqouni S,  Cardoso MJ,  Kamnitsas K,  Milletari F,  Rieke N,  Xu D,  Xu Z,  et al. (2020)

TBI Lesion Segmentation in Head CT: Impact of Preprocessing and Data Augmentation
Monteiro M,  Kamnitsas K,  Ferrante E,  Mathieu F,  McDonagh S,  Cook S,  Stevenson S,  Das T,  Khetani A,  Newman T,  Zeiler F,  Digby R,  Coles JP,  Rueckert D,  Menon DK,  Newcombe VFJ,  Glocker B,  et al. (2020)

Image-level Harmonization of Multi-Site Data using Image-and-Spatial Transformer Networks
Robinson R,  Dou Q,  Castro DC,  Kamnitsas K,  de Groot M,  Summers RM,  Rueckert D,  Glocker B,  et al. (2020)

Stochastic Segmentation Networks: Modelling Spatially Correlated Aleatoric Uncertainty
Monteiro M,  Folgoc LL,  de Castro DC,  Pawlowski N,  Marques B,  Kamnitsas K,  van der Wilk M,  Glocker B,  et al. (2020)

Chapter 23 Deep learning: Generative adversarial networks and adversarial methods
Wolterink JM,  Kamnitsas K,  Ledig C,  Išgum I,  et al. (2020)

Central versus Local Radiological Reading of Acute Computed Tomography Characteristics in Multi-Center Traumatic Brain Injury Research.
Vande Vyvere T,  Wilms G,  Claes L,  Martin Leon F,  Nieboer D,  Verheyden J,  van den Hauwe L,  Pullens P,  Maas AIR,  Parizel PM,  Collaborative European NeuroTrauma Effectiveness Research in Traumatic Brain Injury (CENTER-TBI) Investigators and Participants ,  et al. (2019)

Controlling Meshes via Curvature: Spin Transformations for Pose-Invariant Shape Processing
Folgoc LL,  Castro DC,  Tan J,  Khanal B,  Kamnitsas K,  Walker I,  Alansary A,  Glocker B,  et al. (2019)

Controlling Meshes via Curvature: Spin Transformations for Pose-Invariant Shape Processing
Le Folgoc L,  Castro DC,  Tan J,  Khanal B,  Kamnitsas K,  Walker I,  Alansary A,  Glocker B,  et al. (2019)

Ensemble of Convolutional Neural Networks Improves Automated Segmentation of Acute Ischemic Lesions Using Multiparametric Diffusion-Weighted MRI.
Winzeck S,  Mocking SJT,  Bezerra R,  Bouts MJRJ,  McIntosh EC,  Diwan I,  Garg P,  Chutinet A,  Kimberly WT,  Copen WA,  Schaefer PW,  Ay H,  Singhal AB,  Kamnitsas K,  Glocker B,  Sorensen AG,  Wu O,  et al. (2019)

Big Data Approaches to Phenotyping Acute Ischemic Stroke Using Automated Lesion Segmentation of Multi-Center Magnetic Resonance Imaging Data.
Wu O,  Winzeck S,  Giese A-K,  Hancock BL,  Etherton MR,  Bouts MJRJ,  Donahue K,  Schirmer MD,  Irie RE,  Mocking SJT,  McIntosh EC,  Bezerra R,  Kamnitsas K,  Frid P,  Wasselius J,  Cole JW,  Xu H,  Holmegaard L,  Jiménez-Conde J,  Lemmens R,  Lorentzen E,  McArdle PF,  Meschia JF,  Roquer J,  Rundek T,  Sacco RL,  Schmidt R,  Sharma P,  Slowik A,  Stanne TM,  Thijs V,  Vagal A,  Woo D,  Bevan S,  Kittner SJ,  Mitchell BD,  Rosand J,  Worrall BB,  Jern C,  Lindgren AG,  Maguire J,  Rost NS,  et al. (2019)

Evaluating reinforcement learning agents for anatomical landmark detection.
Alansary A,  Oktay O,  Li Y,  Folgoc LL,  Hou B,  Vaillant G,  Kamnitsas K,  Vlontzos A,  Glocker B,  Kainz B,  Rueckert D,  et al. (2019)

Domain generalization via model-agnostic learning of semantic features
Dou Q,  Castro DC,  Kamnitsas K,  Glocker B,  et al. (2019)

Deep learning: Generative adversarial networks and adversarial methods
Wolterink JM,  Kamnitsas K,  Ledig C,  Išgum I,  et al. (2019)

Preface
Milletari F,  Rieke N,  Albarqouni S,  Xu Z,  Kamnitsas K,  Cardoso MJ,  et al. (2019)

Data Efficient Unsupervised Domain Adaptation For Cross-modality Image Segmentation
Ouyang C,  Kamnitsas K,  Biffi C,  Duan J,  Rueckert D,  et al. (2019)

Overfitting of Neural Nets Under Class Imbalance: Analysis and Improvements for Segmentation
Li Z,  Kamnitsas K,  Glocker B,  et al. (2019)

Multiple Landmark Detection Using Multi-agent Reinforcement Learning
Vlontzos A,  Alansary A,  Kamnitsas K,  Rueckert D,  Kainz B,  et al. (2019)

Domain Generalization via Model-Agnostic Learning of Semantic Features
Dou Q,  Castro DC,  Kamnitsas K,  Glocker B,  et al. (2019)

Overfitting of neural nets under class imbalance: Analysis and improvements for segmentation
Li Z,  Kamnitsas K,  Glocker B,  et al. (2019)

Multiple Landmark Detection using Multi-Agent Reinforcement Learning
Vlontzos A,  Alansary A,  Kamnitsas K,  Rueckert D,  Kainz B,  et al. (2019)

Data Efficient Unsupervised Domain Adaptation for Cross-Modality Image Segmentation
Ouyang C,  Kamnitsas K,  Biffi C,  Duan J,  Rueckert D,  et al. (2019)

Explainable Anatomical Shape Analysis through Deep Hierarchical Generative Models
Biffi C,  Cerrolaza JJ,  Tarroni G,  Bai W,  de Marvao A,  Oktay O,  Ledig C,  Folgoc LL,  Kamnitsas K,  Doumou G,  Duan J,  Prasad SK,  Cook SA,  O'Regan DP,  Rueckert D,  et al. (2019)

Identifying the Best Machine Learning Algorithms for Brain Tumor Segmentation, Progression Assessment, and Overall Survival Prediction in the BRATS Challenge
Bakas S,  Reyes M,  Jakab A,  Bauer S,  Rempfler M,  Crimi A,  Shinohara RT,  Berger C,  Ha SM,  Rozycki M,  Prastawa M,  Alberts E,  Lipkova J,  Freymann J,  Kirby J,  Bilello M,  Fathallah-Shaykh H,  Wiest R,  Kirschke J,  Wiestler B,  Colen R,  Kotrotsou A,  Lamontagne P,  Marcus D,  Milchenko M,  Nazeri A,  Weber M-A,  Mahajan A,  Baid U,  Gerstner E,  Kwon D,  Acharya G,  Agarwal M,  Alam M,  Albiol A,  Albiol A,  Albiol FJ,  Alex V,  Allinson N,  Amorim PHA,  Amrutkar A,  Anand G,  Andermatt S,  Arbel T,  Arbelaez P,  Avery A,  Azmat M,  B. P,  Bai W,  Banerjee S,  Barth B,  Batchelder T,  Batmanghelich K,  Battistella E,  Beers A,  Belyaev M,  Bendszus M,  Benson E,  Bernal J,  Bharath HN,  Biros G,  Bisdas S,  Brown J,  Cabezas M,  Cao S,  Cardoso JM,  Carver EN,  Casamitjana A,  Castillo LS,  Catà M,  Cattin P,  Cerigues A,  Chagas VS,  Chandra S,  Chang Y-J,  Chang S,  Chang K,  Chazalon J,  Chen S,  Chen W,  Chen JW,  Chen Z,  Cheng K,  Choudhury AR,  Chylla R,  Clérigues A,  Colleman S,  Colmeiro RGR,  Combalia M,  Costa A,  Cui X,  Dai Z,  Dai L,  Daza LA,  Deutsch E,  Ding C,  Dong C,  Dong S,  Dudzik W,  Eaton-Rosen Z,  Egan G,  Escudero G,  Estienne T,  Everson R,  Fabrizio J,  Fan Y,  Fang L,  Feng X,  Ferrante E,  Fidon L,  Fischer M,  French AP,  Fridman N,  Fu H,  Fuentes D,  Gao Y,  Gates E,  Gering D,  Gholami A,  Gierke W,  Glocker B,  Gong M,  González-Villá S,  Grosges T,  Guan Y,  Guo S,  Gupta S,  Han W-S,  Han IS,  Harmuth K,  He H,  Hernández-Sabaté A,  Herrmann E,  Himthani N,  Hsu W,  Hsu C,  Hu X,  Hu X,  Hu Y,  Hu Y,  Hua R,  Huang T-Y,  Huang W,  Van Huffel S,  Huo Q,  HV V,  Iftekharuddin KM,  Isensee F,  Islam M,  Jackson AS,  Jambawalikar SR,  Jesson A,  Jian W,  Jin P,  Jose VJM,  Jungo A,  Kainz B,  Kamnitsas K,  Kao P-Y,  Karnawat A,  Kellermeier T,  Kermi A,  Keutzer K,  Khadir MT,  Khened M,  Kickingereder P,  Kim G,  King N,  Knapp H,  Knecht U,  Kohli L,  Kong D,  Kong X,  Koppers S,  Kori A,  Krishnamurthi G,  Krivov E,  Kumar P,  Kushibar K,  Lachinov D,  Lambrou T,  Lee J,  Lee C,  Lee Y,  Lee M,  Lefkovits S,  Lefkovits L,  Levitt J,  Li T,  Li H,  Li W,  Li H,  Li X,  Li Y,  Li H,  Li Z,  Li X,  Li Z,  Li X,  Li W,  Lin Z-S,  Lin F,  Lio P,  Liu C,  Liu B,  Liu X,  Liu M,  Liu J,  Liu L,  Llado X,  Lopez MM,  Lorenzo PR,  Lu Z,  Luo L,  Luo Z,  Ma J,  Ma K,  Mackie T,  Madabushi A,  Mahmoudi I,  Maier-Hein KH,  Maji P,  Mammen C,  Mang A,  Manjunath BS,  Marcinkiewicz M,  McDonagh S,  McKenna S,  McKinley R,  Mehl M,  Mehta S,  Mehta R,  Meier R,  Meinel C,  Merhof D,  Meyer C,  Miller R,  Mitra S,  Moiyadi A,  Molina-Garcia D,  Monteiro MAB,  Mrukwa G,  Myronenko A,  Nalepa J,  Ngo T,  Nie D,  Ning H,  Niu C,  Nuechterlein NK,  Oermann E,  Oliveira A,  Oliveira DDC,  Oliver A,  Osman AFI,  Ou Y-N,  Ourselin S,  Paragios N,  Park MS,  Paschke B,  Pauloski JG,  Pawar K,  Pawlowski N,  Pei L,  Peng S,  Pereira SM,  Perez-Beteta J,  Perez-Garcia VM,  Pezold S,  Pham B,  Phophalia A,  Piella G,  Pillai GN,  Piraud M,  Pisov M,  Popli A,  Pound MP,  Pourreza R,  Prasanna P,  Prkovska V,  Pridmore TP,  Puch S,  Puybareau É,  Qian B,  Qiao X,  Rajchl M,  Rane S,  Rebsamen M,  Ren H,  Ren X,  Revanuru K,  Rezaei M,  Rippel O,  Rivera LC,  Robert C,  Rosen B,  Rueckert D,  Safwan M,  Salem M,  Salvi J,  Sanchez I,  Sánchez I,  Santos HM,  Sartor E,  Schellingerhout D,  Scheufele K,  Scott MR,  Scussel AA,  Sedlar S,  Serrano-Rubio JP,  Shah NJ,  Shah N,  Shaikh M,  Shankar BU,  Shboul Z,  Shen H,  Shen D,  Shen L,  Shen H,  Shenoy V,  Shi F,  Shin HE,  Shu H,  Sima D,  Sinclair M,  Smedby O,  Snyder JM,  Soltaninejad M,  Song G,  Soni M,  Stawiaski J,  Subramanian S,  Sun L,  Sun R,  Sun J,  Sun K,  Sun Y,  Sun G,  Sun S,  Suter YR,  Szilagyi L,  Talbar S,  Tao D,  Tao D,  Teng Z,  Thakur S,  Thakur MH,  Tharakan S,  Tiwari P,  Tochon G,  Tran T,  Tsai YM,  Tseng K-L,  Tuan TA,  Turlapov V,  Tustison N,  Vakalopoulou M,  Valverde S,  Vanguri R,  Vasiliev E,  Ventura J,  Vera L,  Vercauteren T,  Verrastro CA,  Vidyaratne L,  Vilaplana V,  Vivekanandan A,  Wang G,  Wang Q,  Wang CJ,  Wang W,  Wang D,  Wang R,  Wang Y,  Wang C,  Wang G,  Wen N,  Wen X,  Weninger L,  Wick W,  Wu S,  Wu Q,  Wu Y,  Xia Y,  Xu Y,  Xu X,  Xu P,  Yang T-L,  Yang X,  Yang H-Y,  Yang J,  Yang H,  Yang G,  Yao H,  Ye X,  Yin C,  Young-Moxon B,  Yu J,  Yue X,  Zhang S,  Zhang A,  Zhang K,  Zhang X,  Zhang L,  Zhang X,  Zhang Y,  Zhang L,  Zhang J,  Zhang X,  Zhang T,  Zhao S,  Zhao Y,  Zhao X,  Zhao L,  Zheng Y,  Zhong L,  Zhou C,  Zhou X,  Zhou F,  Zhu H,  Zhu J,  Zhuge Y,  Zong W,  Kalpathy-Cramer J,  Farahani K,  Davatzikos C,  van Leemput K,  Menze B,  et al. (2018)

Anatomically Constrained Neural Networks (ACNNs): Application to Cardiac Image Enhancement and Segmentation.
Oktay O,  Ferrante E,  Kamnitsas K,  Heinrich M,  Bai W,  Caballero J,  Cook SA,  de Marvao A,  Dawes T,  O'Regan DP,  Kainz B,  Glocker B,  Rueckert D,  et al. (2018)

Semi-supervised learning via compact latent space clustering
Kamnitsas K,  Castro DC,  Le Folgoc L,  Walker I,  Tanno R,  Rueckert D,  Glocker B,  Criminisi A,  Nori A,  et al. (2018)

Automatic View Planning with Multi-scale Deep Reinforcement Learning Agents
Alansary A,  Folgoc LL,  Vaillant G,  Oktay O,  Li Y,  Bai W,  Passerat-Palmbach J,  Guerrero R,  Kamnitsas K,  Hou B,  McDonagh S,  Glocker B,  Kainz B,  Rueckert D,  et al. (2018)

Autofocus Layer for Semantic Segmentation
Qin Y,  Kamnitsas K,  Ancha S,  Nanavati J,  Cottrell G,  Criminisi A,  Nori A,  et al. (2018)

Ensembles of Multiple Models and Architectures for Robust Brain Tumour Segmentation
Kamnitsas K,  Bai W,  Ferrante E,  McDonagh S,  Sinclair M,  Pawlowski N,  Rajchl M,  Lee M,  Kainz B,  Rueckert D,  Glocker B,  et al. (2018)

Towards continual learning in medical imaging
Baweja C,  Glocker B,  Kamnitsas K,  et al. (2018)

Generative adversarial networks and adversarial methods in biomedical image analysis
Wolterink JM,  Kamnitsas K,  Ledig C,  Išgum I,  et al. (2018)

Automatic View Planning with Multi-scale Deep Reinforcement Learning Agents
Alansary A,  Folgoc LL,  Vaillant G,  Oktay O,  Li Y,  Bai W,  Passerat-Palmbach J,  Guerrero R,  Kamnitsas K,  Hou B,  McDonagh S,  Glocker B,  Kainz B,  Rueckert D,  et al. (2018)

Semi-Supervised Learning via Compact Latent Space Clustering
Kamnitsas K,  Castro DC,  Folgoc LL,  Walker I,  Tanno R,  Rueckert D,  Glocker B,  Criminisi A,  Nori A,  et al. (2018)

Domain Adaptation for MRI Organ Segmentation using Reverse Classification Accuracy
Valindria VV,  Lavdas I,  Bai W,  Kamnitsas K,  Aboagye EO,  Rockall AG,  Rueckert D,  Glocker B,  et al. (2018)

Autofocus Layer for Semantic Segmentation
Qin Y,  Kamnitsas K,  Ancha S,  Nanavati J,  Cottrell G,  Criminisi A,  Nori A,  et al. (2018)

NIMG-23. DEEP LEARNING FOR ACCURATE, RAPID, FULLY AUTOMATIC MEASUREMENT OF BRAIN TUMOR-ASSOCIATED ABNORMALITY SEEN ON MRI
Mitchell J,  Kamnitsas K,  Singleton K,  Whitmire S,  Clark-Swanson K,  Rickertsen C,  Glocker B,  Hu L,  Swanson K,  et al. (2018)

NIMG-07. DEEP LEARNING DETECTS DIFFERENCES IN THE MRIs OF MALE AND FEMALE GLIOMAS
Singleton K,  Mitchell J,  Ranjbar S,  Kamnitsas K,  Whitmire S,  Clark-Swanson K,  Rickertsen C,  Rubin J,  Glocker B,  Hu L,  Swanson K,  et al. (2018)

Semi-Supervised Learning via Compact Latent Space Clustering
Kamnitsas K,  Castro DC,  Folgoc LL,  Walker I,  Tanno R,  Rueckert D,  Glocker B,  Criminisi A,  Nori A,  et al. (2018)

Traumatic brain injury: integrated approaches to improve prevention, clinical care, and research.
Maas AIR,  Menon DK,  Adelson PD,  Andelic N,  Bell MJ,  Belli A,  Bragge P,  Brazinova A,  Büki A,  Chesnut RM,  Citerio G,  Coburn M,  Cooper DJ,  Crowder AT,  Czeiter E,  Czosnyka M,  Diaz-Arrastia R,  Dreier JP,  Duhaime A-C,  Ercole A,  van Essen TA,  Feigin VL,  Gao G,  Giacino J,  Gonzalez-Lara LE,  Gruen RL,  Gupta D,  Hartings JA,  Hill S,  Jiang J-Y,  Ketharanathan N,  Kompanje EJO,  Lanyon L,  Laureys S,  Lecky F,  Levin H,  Lingsma HF,  Maegele M,  Majdan M,  Manley G,  Marsteller J,  Mascia L,  McFadyen C,  Mondello S,  Newcombe V,  Palotie A,  Parizel PM,  Peul W,  Piercy J,  Polinder S,  Puybasset L,  Rasmussen TE,  Rossaint R,  Smielewski P,  Söderberg J,  Stanworth SJ,  Stein MB,  von Steinbüchel N,  Stewart W,  Steyerberg EW,  Stocchetti N,  Synnot A,  Te Ao B,  Tenovuo O,  Theadom A,  Tibboel D,  Videtta W,  Wang KKW,  Williams WH,  Wilson L,  Yaffe K,  InTBIR Participants and Investigators ,  et al. (2017)

Regional brain morphometry in patients with traumatic brain injury based on acute- and chronic-phase magnetic resonance imaging.
Ledig C,  Kamnitsas K,  Koikkalainen J,  Posti JP,  Takala RSK,  Katila A,  Frantzén J,  Ala-Seppälä H,  Kyllönen A,  Maanpää H-R,  Tallus J,  Lötjönen J,  Glocker B,  Tenovuo O,  Rueckert D,  et al. (2017)

Fully automatic, multiorgan segmentation in normal whole body magnetic resonance imaging (MRI), using classification forests (CFs), convolutional neural networks (CNNs), and a multi-atlas (MA) approach.
Lavdas I,  Glocker B,  Kamnitsas K,  Rueckert D,  Mair H,  Sandhu A,  Taylor SA,  Aboagye EO,  Rockall AG,  et al. (2017)

Reverse Classification Accuracy: Predicting Segmentation Performance in the Absence of Ground Truth.
Valindria VV,  Lavdas I,  Bai W,  Kamnitsas K,  Aboagye EO,  Rockall AG,  Rueckert D,  Glocker B,  et al. (2017)

Multi-channel MRI segmentation of eye structures and tumors using patient-specific features.
Ciller C,  De Zanet S,  Kamnitsas K,  Maeder P,  Glocker B,  Munier FL,  Rueckert D,  Thiran J-P,  Bach Cuadra M,  Sznitman R,  et al. (2017)

SonoNet: Real-Time Detection and Localisation of Fetal Standard Scan Planes in Freehand Ultrasound.
Baumgartner CF,  Kamnitsas K,  Matthew J,  Fletcher TP,  Smith S,  Koch LM,  Kainz B,  Rueckert D,  et al. (2017)

ISLES 2015 - A public evaluation benchmark for ischemic stroke lesion segmentation from multispectral MRI.
Maier O,  Menze BH,  von der Gablentz J,  Ḧani L,  Heinrich MP,  Liebrand M,  Winzeck S,  Basit A,  Bentley P,  Chen L,  Christiaens D,  Dutil F,  Egger K,  Feng C,  Glocker B,  Götz M,  Haeck T,  Halme H-L,  Havaei M,  Iftekharuddin KM,  Jodoin P-M,  Kamnitsas K,  Kellner E,  Korvenoja A,  Larochelle H,  Ledig C,  Lee J-H,  Maes F,  Mahmood Q,  Maier-Hein KH,  McKinley R,  Muschelli J,  Pal C,  Pei L,  Rangarajan JR,  Reza SMS,  Robben D,  Rueckert D,  Salli E,  Suetens P,  Wang C-W,  Wilms M,  Kirschke JS,  Kr Amer UM,  Münte TF,  Schramm P,  Wiest R,  Handels H,  Reyes M,  et al. (2017)

DeepCut: Object Segmentation From Bounding Box Annotations Using Convolutional Neural Networks.
Rajchl M,  Lee MCH,  Oktay O,  Kamnitsas K,  Passerat-Palmbach J,  Bai W,  Damodaram M,  Rutherford MA,  Hajnal JV,  Kainz B,  Rueckert D,  et al. (2017)

Efficient multi-scale 3D CNN with fully connected CRF for accurate brain lesion segmentation.
Kamnitsas K,  Ledig C,  Newcombe VFJ,  Simpson JP,  Kane AD,  Menon DK,  Rueckert D,  Glocker B,  et al. (2017)

Context-Sensitive Super-Resolution for Fast Fetal Magnetic Resonance Imaging
McDonagh S,  Hou B,  Alansary A,  Oktay O,  Kamnitsas K,  Rutherford M,  Hajnal JV,  Kainz B,  et al. (2017)

Unsupervised Domain Adaptation in Brain Lesion Segmentation with Adversarial Networks
Kamnitsas K,  Baumgartner C,  Ledig C,  Newcombe V,  Simpson J,  Kane A,  Menon D,  Nori A,  Criminisi A,  Rueckert D,  Glocker B,  et al. (2017)

Ensembles of Multiple Models and Architectures for Robust Brain Tumour Segmentation
Kamnitsas K,  Bai W,  Ferrante E,  McDonagh S,  Sinclair M,  Pawlowski N,  Rajchl M,  Lee M,  Kainz B,  Rueckert D,  Glocker B,  et al. (2017)

Anatomically Constrained Neural Networks (ACNN): Application to Cardiac Image Enhancement and Segmentation
Oktay O,  Ferrante E,  Kamnitsas K,  Heinrich M,  Bai W,  Caballero J,  Cook S,  de Marvao A,  Dawes T,  O'Regan D,  Kainz B,  Glocker B,  Rueckert D,  et al. (2017)

Context-Sensitive Super-Resolution for Fast Fetal Magnetic Resonance Imaging
McDonagh S,  Hou B,  Kamnitsas K,  Oktay O,  Alansary A,  Rutherford M,  Hajnal JV,  Kainz B,  et al. (2017)

Reverse Classification Accuracy: Predicting Segmentation Performance in the Absence of Ground Truth
Valindria VV,  Lavdas I,  Bai W,  Kamnitsas K,  Aboagye EO,  Rockall AG,  Rueckert D,  Glocker B,  et al. (2017)

Fast Fully Automatic Segmentation of the Severely Abnormal Human Right Ventricle from Cardiovascular Magnetic Resonance Images Using a Multi-Scale 3D Convolutional Neural Network
Giannakidis A,  Kamnitsas K,  Spadotto V,  Keegan J,  Smith G,  Glocker B,  Rueckert D,  Ernst S,  Gatzoulis MA,  Pennell DJ,  Babu-Narayan S,  Firmin DN,  et al. (2016)

DeepMedic for Brain Tumor Segmentation
Kamnitsas K,  Ferrante E,  Parisot S,  Ledig C,  Nori AV,  Criminisi A,  Rueckert D,  Glocker B,  et al. (2016)

Fast Fully Automatic Segmentation of the Human Placenta from Motion Corrupted MRI
Alansary A,  Kamnitsas K,  Davidson A,  Khlebnikov R,  Rajchl M,  Malamateniou C,  Rutherford M,  Hajnal JV,  Glocker B,  Rueckert D,  Kainz B,  et al. (2016)

Real-Time Standard Scan Plane Detection and Localisation in Fetal Ultrasound Using Fully Convolutional Neural Networks
Baumgartner CF,  Kamnitsas K,  Matthew J,  Smith S,  Kainz B,  Rueckert D,  et al. (2016)

Multi-input Cardiac Image Super-Resolution Using Convolutional Neural Networks
Oktay O,  Bai W,  Lee M,  Guerrero R,  Kamnitsas K,  Caballero J,  de Marvao A,  Cook S,  O’Regan D,  Rueckert D,  et al. (2016)

Unsupervised domain adaptation in brain lesion segmentation with adversarial networks
Kamnitsas K,  Baumgartner C,  Ledig C,  Newcombe VFJ,  Simpson JP,  Kane AD,  Menon DK,  Nori A,  Criminisi A,  Rueckert D,  Glocker B,  et al. (2016)

SonoNet: Real-Time Detection and Localisation of Fetal Standard Scan Planes in Freehand Ultrasound
Baumgartner CF,  Kamnitsas K,  Matthew J,  Fletcher TP,  Smith S,  Koch LM,  Kainz B,  Rueckert D,  et al. (2016)

DeepCut: Object Segmentation from Bounding Box Annotations using Convolutional Neural Networks
Rajchl M,  Lee MCH,  Oktay O,  Kamnitsas K,  Passerat-Palmbach J,  Bai W,  Damodaram M,  Rutherford MA,  Hajnal JV,  Kainz B,  Rueckert D,  et al. (2016)

Efficient Multi-Scale 3D CNN with Fully Connected CRF for Accurate Brain Lesion Segmentation
Kamnitsas K,  Ledig C,  Newcombe VFJ,  Simpson JP,  Kane AD,  Menon DK,  Rueckert D,  Glocker B,  et al. (2016)

Traumatic brain injury: integrated approaches to improve prevention, clinical care, and research.
Maas AIR,  Menon DK,  Adelson PD,  Andelic N,  Bell MJ,  Belli A,  Bragge P,  Brazinova A,  Büki A,  Chesnut RM,  Citerio G,  Coburn M,  Cooper DJ,  Crowder AT,  Czeiter E,  Czosnyka M,  Diaz-Arrastia R,  Dreier JP,  Duhaime A-C,  Ercole A,  van Essen TA,  Feigin VL,  Gao G,  Giacino J,  Gonzalez-Lara LE,  Gruen RL,  Gupta D,  Hartings JA,  Hill S,  Jiang J-Y,  Ketharanathan N,  Kompanje EJO,  Lanyon L,  Laureys S,  Lecky F,  Levin H,  Lingsma HF,  Maegele M,  Majdan M,  Manley G,  Marsteller J,  Mascia L,  McFadyen C,  Mondello S,  Newcombe V,  Palotie A,  Parizel PM,  Peul W,  Piercy J,  Polinder S,  Puybasset L,  Rasmussen TE,  Rossaint R,  Smielewski P,  Söderberg J,  Stanworth SJ,  Stein MB,  von Steinbüchel N,  Stewart W,  Steyerberg EW,  Stocchetti N,  Synnot A,  Te Ao B,  Tenovuo O,  Theadom A,  Tibboel D,  Videtta W,  Wang KKW,  Williams WH,  Wilson L,  Yaffe K,  InTBIR Participants and Investigators ,  et al. ()

Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI.
Vasey B,  Nagendran M,  Campbell B,  Clifton DA,  Collins GS,  Denaxas S,  Denniston AK,  Faes L,  Geerts B,  Ibrahim M,  Liu X,  Mateen BA,  Mathur P,  McCradden MD,  Morgan L,  Ordish J,  Rogers C,  Saria S,  Ting DSW,  Watkinson P,  Weber W,  Wheatstone P,  McCulloch P,  DECIDE-AI expert group ,  et al. ()

Reporting guideline for the early stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI
Vasey B,  Nagendran M,  Campbell B,  Clifton DA,  Collins GS,  Denaxas S,  Denniston AK,  Faes L,  Geerts B,  Ibrahim M,  Liu X,  Mateen BA,  Mathur P,  McCradden MD,  Morgan L,  Ordish J,  Rogers C,  Saria S,  Ting DSW,  Watkinson P,  Weber W,  Wheatstone P,  McCulloch P,  et al. ()

Publisher Correction: Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI.
Vasey B,  Nagendran M,  Campbell B,  Clifton DA,  Collins GS,  Denaxas S,  Denniston AK,  Faes L,  Geerts B,  Ibrahim M,  Liu X,  Mateen BA,  Mathur P,  McCradden MD,  Morgan L,  Ordish J,  Rogers C,  Saria S,  Ting DSW,  Watkinson P,  Weber W,  Wheatstone P,  McCulloch P,  DECIDE-AI expert group ,  et al. ()

Estimating Model Performance Under Domain Shifts with Class-Specific Confidence Scores
Li Z,  Kamnitsas K,  Islam M,  Chen C,  Glocker B,  et al. ()

Preface
Cardoso MJ,  Dou Q,  Islam M,  Kamnitsas K,  Koch L,  Rieke N,  Tsaftaris S,  Xu Z,  et al. ()

Federated learning enables big data for rare cancer boundary detection.
Pati S,  Baid U,  Edwards B,  Sheller M,  Wang S-H,  Reina GA,  Foley P,  Gruzdev A,  Karkada D,  Davatzikos C,  Sako C,  Ghodasara S,  Bilello M,  Mohan S,  Vollmuth P,  Brugnara G,  Preetha CJ,  Sahm F,  Maier-Hein K,  Zenk M,  Bendszus M,  Wick W,  Calabrese E,  Rudie J,  Villanueva-Meyer J,  Cha S,  Ingalhalikar M,  Jadhav M,  Pandey U,  Saini J,  Garrett J,  Larson M,  Jeraj R,  Currie S,  Frood R,  Fatania K,  Huang RY,  Chang K,  Balaña C,  Capellades J,  Puig J,  Trenkler J,  Pichler J,  Necker G,  Haunschmidt A,  Meckel S,  Shukla G,  Liem S,  Alexander GS,  Lombardo J,  Palmer JD,  Flanders AE,  Dicker AP,  Sair HI,  Jones CK,  Venkataraman A,  Jiang M,  So TY,  Chen C,  Heng PA,  Dou Q,  Kozubek M,  Lux F,  Michálek J,  Matula P,  Keřkovský M,  Kopřivová T,  Dostál M,  Vybíhal V,  Vogelbaum MA,  Mitchell JR,  Farinhas J,  Maldjian JA,  Yogananda CGB,  Pinho MC,  Reddy D,  Holcomb J,  Wagner BC,  Ellingson BM,  Cloughesy TF,  Raymond C,  Oughourlian T,  Hagiwara A,  Wang C,  To M-S,  Bhardwaj S,  Chong C,  Agzarian M,  Falcão AX,  Martins SB,  Teixeira BCA,  Sprenger F,  Menotti D,  Lucio DR,  LaMontagne P,  Marcus D,  Wiestler B,  Kofler F,  Ezhov I,  Metz M,  Jain R,  Lee M,  Lui YW,  McKinley R,  Slotboom J,  Radojewski P,  Meier R,  Wiest R,  Murcia D,  Fu E,  Haas R,  Thompson J,  Ormond DR,  Badve C,  Sloan AE,  Vadmal V,  Waite K,  Colen RR,  Pei L,  Ak M,  Srinivasan A,  Bapuraj JR,  Rao A,  Wang N,  Yoshiaki O,  Moritani T,  Turk S,  Lee J,  Prabhudesai S,  Morón F,  Mandel J,  Kamnitsas K,  Glocker B,  Dixon LVM,  Williams M,  Zampakis P,  Panagiotopoulos V,  Tsiganos P,  Alexiou S,  Haliassos I,  Zacharaki EI,  Moustakas K,  Kalogeropoulou C,  Kardamakis DM,  Choi YS,  Lee S-K,  Chang JH,  Ahn SS,  Luo B,  Poisson L,  Wen N,  Tiwari P,  Verma R,  Bareja R,  Yadav I,  Chen J,  Kumar N,  Smits M,  van der Voort SR,  Alafandi A,  Incekara F,  Wijnenga MMJ,  Kapsas G,  Gahrmann R,  Schouten JW,  Dubbink HJ,  Vincent AJPE,  van den Bent MJ,  French PJ,  Klein S,  Yuan Y,  Sharma S,  Tseng T-C,  Adabi S,  Niclou SP,  Keunen O,  Hau A-C,  Vallières M,  Fortin D,  Lepage M,  Landman B,  Ramadass K,  Xu K,  Chotai S,  Chambless LB,  Mistry A,  Thompson RC,  Gusev Y,  Bhuvaneshwar K,  Sayah A,  Bencheqroun C,  Belouali A,  Madhavan S,  Booth TC,  Chelliah A,  Modat M,  Shuaib H,  Dragos C,  Abayazeed A,  Kolodziej K,  Hill M,  Abbassy A,  Gamal S,  Mekhaimar M,  Qayati M,  Reyes M,  Park JE,  Yun J,  Kim HS,  Mahajan A,  Muzi M,  Benson S,  Beets-Tan RGH,  Teuwen J,  Herrera-Trujillo A,  Trujillo M,  Escobar W,  Abello A,  Bernal J,  Gómez J,  Choi J,  Baek S,  Kim Y,  Ismael H,  Allen B,  Buatti JM,  Kotrotsou A,  Li H,  Weiss T,  Weller M,  Bink A,  Pouymayou B,  Shaykh HF,  Saltz J,  Prasanna P,  Shrestha S,  Mani KM,  Payne D,  Kurc T,  Pelaez E,  Franco-Maldonado H,  Loayza F,  Quevedo S,  Guevara P,  Torche E,  Mendoza C,  Vera F,  Ríos E,  López E,  Velastin SA,  Ogbole G,  Soneye M,  Oyekunle D,  Odafe-Oyibotha O,  Osobu B,  Shu'aibu M,  Dorcas A,  Dako F,  Simpson AL,  Hamghalam M,  Peoples JJ,  Hu R,  Tran A,  Cutler D,  Moraes FY,  Boss MA,  Gimpel J,  Veettil DK,  Schmidt K,  Bialecki B,  Marella S,  Price C,  Cimino L,  Apgar C,  Shah P,  Menze B,  Barnholtz-Sloan JS,  Martin J,  Bakas S,  et al. ()

Author Correction: Federated learning enables big data for rare cancer boundary detection.
Pati S,  Baid U,  Edwards B,  Sheller M,  Wang S-H,  Reina GA,  Foley P,  Gruzdev A,  Karkada D,  Davatzikos C,  Sako C,  Ghodasara S,  Bilello M,  Mohan S,  Vollmuth P,  Brugnara G,  Preetha CJ,  Sahm F,  Maier-Hein K,  Zenk M,  Bendszus M,  Wick W,  Calabrese E,  Rudie J,  Villanueva-Meyer J,  Cha S,  Ingalhalikar M,  Jadhav M,  Pandey U,  Saini J,  Garrett J,  Larson M,  Jeraj R,  Currie S,  Frood R,  Fatania K,  Huang RY,  Chang K,  Balaña C,  Capellades J,  Puig J,  Trenkler J,  Pichler J,  Necker G,  Haunschmidt A,  Meckel S,  Shukla G,  Liem S,  Alexander GS,  Lombardo J,  Palmer JD,  Flanders AE,  Dicker AP,  Sair HI,  Jones CK,  Venkataraman A,  Jiang M,  So TY,  Chen C,  Heng PA,  Dou Q,  Kozubek M,  Lux F,  Michálek J,  Matula P,  Keřkovský M,  Kopřivová T,  Dostál M,  Vybíhal V,  Vogelbaum MA,  Mitchell JR,  Farinhas J,  Maldjian JA,  Yogananda CGB,  Pinho MC,  Reddy D,  Holcomb J,  Wagner BC,  Ellingson BM,  Cloughesy TF,  Raymond C,  Oughourlian T,  Hagiwara A,  Wang C,  To M-S,  Bhardwaj S,  Chong C,  Agzarian M,  Falcão AX,  Martins SB,  Teixeira BCA,  Sprenger F,  Menotti D,  Lucio DR,  LaMontagne P,  Marcus D,  Wiestler B,  Kofler F,  Ezhov I,  Metz M,  Jain R,  Lee M,  Lui YW,  McKinley R,  Slotboom J,  Radojewski P,  Meier R,  Wiest R,  Murcia D,  Fu E,  Haas R,  Thompson J,  Ormond DR,  Badve C,  Sloan AE,  Vadmal V,  Waite K,  Colen RR,  Pei L,  Ak M,  Srinivasan A,  Bapuraj JR,  Rao A,  Wang N,  Yoshiaki O,  Moritani T,  Turk S,  Lee J,  Prabhudesai S,  Morón F,  Mandel J,  Kamnitsas K,  Glocker B,  Dixon LVM,  Williams M,  Zampakis P,  Panagiotopoulos V,  Tsiganos P,  Alexiou S,  Haliassos I,  Zacharaki EI,  Moustakas K,  Kalogeropoulou C,  Kardamakis DM,  Choi YS,  Lee S-K,  Chang JH,  Ahn SS,  Luo B,  Poisson L,  Wen N,  Tiwari P,  Verma R,  Bareja R,  Yadav I,  Chen J,  Kumar N,  Smits M,  van der Voort SR,  Alafandi A,  Incekara F,  Wijnenga MMJ,  Kapsas G,  Gahrmann R,  Schouten JW,  Dubbink HJ,  Vincent AJPE,  van den Bent MJ,  French PJ,  Klein S,  Yuan Y,  Sharma S,  Tseng T-C,  Adabi S,  Niclou SP,  Keunen O,  Hau A-C,  Vallières M,  Fortin D,  Lepage M,  Landman B,  Ramadass K,  Xu K,  Chotai S,  Chambless LB,  Mistry A,  Thompson RC,  Gusev Y,  Bhuvaneshwar K,  Sayah A,  Bencheqroun C,  Belouali A,  Madhavan S,  Booth TC,  Chelliah A,  Modat M,  Shuaib H,  Dragos C,  Abayazeed A,  Kolodziej K,  Hill M,  Abbassy A,  Gamal S,  Mekhaimar M,  Qayati M,  Reyes M,  Park JE,  Yun J,  Kim HS,  Mahajan A,  Muzi M,  Benson S,  Beets-Tan RGH,  Teuwen J,  Herrera-Trujillo A,  Trujillo M,  Escobar W,  Abello A,  Bernal J,  Gómez J,  Choi J,  Baek S,  Kim Y,  Ismael H,  Allen B,  Buatti JM,  Kotrotsou A,  Li H,  Weiss T,  Weller M,  Bink A,  Pouymayou B,  Shaykh HF,  Saltz J,  Prasanna P,  Shrestha S,  Mani KM,  Payne D,  Kurc T,  Pelaez E,  Franco-Maldonado H,  Loayza F,  Quevedo S,  Guevara P,  Torche E,  Mendoza C,  Vera F,  Ríos E,  López E,  Velastin SA,  Ogbole G,  Soneye M,  Oyekunle D,  Odafe-Oyibotha O,  Osobu B,  Shu'aibu M,  Dorcas A,  Dako F,  Simpson AL,  Hamghalam M,  Peoples JJ,  Hu R,  Tran A,  Cutler D,  Moraes FY,  Boss MA,  Gimpel J,  Veettil DK,  Schmidt K,  Bialecki B,  Marella S,  Price C,  Cimino L,  Apgar C,  Shah P,  Menze B,  Barnholtz-Sloan JS,  Martin J,  Bakas S,  et al. ()

A Review of the Metrics Used to Assess Auto-Contouring Systems in Radiotherapy.
Mackay K,  Bernstein D,  Glocker B,  Kamnitsas K,  Taylor A,  et al. ()

Federated Learning Enables Big Data for Rare Cancer Boundary Detection
Pati S,  Baid U,  Edwards B,  Sheller M,  Wang S-H,  Reina GA,  Foley P,  Gruzdev A,  Karkada D,  Davatzikos C,  Sako C,  Ghodasara S,  Bilello M,  Mohan S,  Vollmuth P,  Brugnara G,  Preetha CJ,  Sahm F,  Maier-Hein K,  Zenk M,  Bendszus M,  Wick W,  Calabrese E,  Rudie J,  Villanueva-Meyer J,  Cha S,  Ingalhalikar M,  Jadhav M,  Pandey U,  Saini J,  Garrett J,  Larson M,  Jeraj R,  Currie S,  Frood R,  Fatania K,  Huang RY,  Chang K,  Balana C,  Capellades J,  Puig J,  Trenkler J,  Pichler J,  Necker G,  Haunschmidt A,  Meckel S,  Shukla G,  Liem S,  Alexander GS,  Lombardo J,  Palmer JD,  Flanders AE,  Dicker AP,  Sair HI,  Jones CK,  Venkataraman A,  Jiang M,  So TY,  Chen C,  Heng PA,  Dou Q,  Kozubek M,  Lux F,  Michálek J,  Matula P,  Keřkovský M,  Kopřivová T,  Dostál M,  Vybíhal V,  Vogelbaum MA,  Mitchell JR,  Farinhas J,  Maldjian JA,  Yogananda CGB,  Pinho MC,  Reddy D,  Holcomb J,  Wagner BC,  Ellingson BM,  Cloughesy TF,  Raymond C,  Oughourlian T,  Hagiwara A,  Wang C,  To M-S,  Bhardwaj S,  Chong C,  Agzarian M,  Falcão AX,  Martins SB,  Teixeira BCA,  Sprenger F,  Menotti D,  Lucio DR,  LaMontagne P,  Marcus D,  Wiestler B,  Kofler F,  Ezhov I,  Metz M,  Jain R,  Lee M,  Lui YW,  McKinley R,  Slotboom J,  Radojewski P,  Meier R,  Wiest R,  Murcia D,  Fu E,  Haas R,  Thompson J,  Ormond DR,  Badve C,  Sloan AE,  Vadmal V,  Waite K,  Colen RR,  Pei L,  Ak M,  Srinivasan A,  Bapuraj JR,  Rao A,  Wang N,  Yoshiaki O,  Moritani T,  Turk S,  Lee J,  Prabhudesai S,  Morón F,  Mandel J,  Kamnitsas K,  Glocker B,  Dixon LVM,  Williams M,  Zampakis P,  Panagiotopoulos V,  Tsiganos P,  Alexiou S,  Haliassos I,  Zacharaki EI,  Moustakas K,  Kalogeropoulou C,  Kardamakis DM,  Choi YS,  Lee S-K,  Chang JH,  Ahn SS,  Luo B,  Poisson L,  Wen N,  Tiwari P,  Verma R,  Bareja R,  Yadav I,  Chen J,  Kumar N,  Smits M,  van der Voort SR,  Alafandi A,  Incekara F,  Wijnenga MM,  Kapsas G,  Gahrmann R,  Schouten JW,  Dubbink HJ,  Vincent AJ,  Bent MJVD,  French PJ,  Klein S,  Yuan Y,  Sharma S,  Tseng T-C,  Adabi S,  Niclou SP,  Keunen O,  Hau A-C,  Vallières M,  Fortin D,  Lepage M,  Landman B,  Ramadass K,  Xu K,  Chotai S,  Chambless LB,  Mistry A,  Thompson RC,  Gusev Y,  Bhuvaneshwar K,  Sayah A,  Bencheqroun C,  Belouali A,  Madhavan S,  Booth TC,  Chelliah A,  Modat M,  Shuaib H,  Dragos C,  Abayazeed A,  Kolodziej K,  Hill M,  Abbassy A,  Gamal S,  Mekhaimar M,  Qayati M,  Reyes M,  Park JE,  Yun J,  Kim HS,  Mahajan A,  Muzi M,  Benson S,  Beets-Tan RGH,  Teuwen J,  Herrera-Trujillo A,  Trujillo M,  Escobar W,  Abello A,  Bernal J,  Gómez J,  Choi J,  Baek S,  Kim Y,  Ismael H,  Allen B,  Buatti JM,  Kotrotsou A,  Li H,  Weiss T,  Weller M,  Bink A,  Pouymayou B,  Shaykh HF,  Saltz J,  Prasanna P,  Shrestha S,  Mani KM,  Payne D,  Kurc T,  Pelaez E,  Franco-Maldonado H,  Loayza F,  Quevedo S,  Guevara P,  Torche E,  Mendoza C,  Vera F,  Ríos E,  López E,  Velastin SA,  Ogbole G,  Oyekunle D,  Odafe-Oyibotha O,  Osobu B,  Shu'aibu M,  Dorcas A,  Soneye M,  Dako F,  Simpson AL,  Hamghalam M,  Peoples JJ,  Hu R,  Tran A,  Cutler D,  Moraes FY,  Boss MA,  Gimpel J,  Veettil DK,  Schmidt K,  Bialecki B,  Marella S,  Price C,  Cimino L,  Apgar C,  Shah P,  Menze B,  Barnholtz-Sloan JS,  Martin J,  Bakas S,  et al. ()

Context Label Learning: Improving Background Class Representations in Semantic Segmentation.
Li Z,  Kamnitsas K,  Ouyang C,  Chen C,  Glocker B,  et al. ()

Central versus Local Radiological Reading of Acute Computed Tomography Characteristics in Multi-Center Traumatic Brain Injury Research.
Vande Vyvere T,  Wilms G,  Claes L,  Martin Leon F,  Nieboer D,  Verheyden J,  van den Hauwe L,  Pullens P,  Maas AIR,  Parizel PM,  Collaborative European NeuroTrauma Effectiveness Research in Traumatic Brain Injury (CENTER-TBI) Investigators and Participants ,  et al. ()

Post-Deployment Adaptation with Access to Source Data via Federated Learning and Source-Target Remote Gradient Alignment
Wagner F,  Li Z,  Saha P,  Kamnitsas K,  et al. ()

Joint Optimization of Class-Specific Training- and Test-Time Data Augmentation in Segmentation.
Li Z,  Kamnitsas K,  Dou Q,  Qin C,  Glocker B,  et al. ()

Preface DART 2023
Koch L,  Cardoso MJ,  Ferrante E,  Islam M,  Jiang M,  Kamnitsas K,  Rieke N,  Tsaftaris SA,  Yang D,  et al. ()

On the Use of Mahalanobis Distance for Out-of-distribution Detection with Neural Networks for Medical Imaging
Anthony H,  Kamnitsas K,  et al. ()

On the use of Mahalanobis distance for out-of-distribution detection with neural networks for medical imaging
Anthony H,  Kamnitsas K,  et al. ()

Biomarkers for Traumatic Brain Injury: Data Standards and Statistical Considerations.
Huie JR,  Mondello S,  Lindsell CJ,  Antiga L,  Yuh EL,  Zanier ER,  Masson S,  Rosario BL,  Ferguson AR,  Transforming Research and Clinical Knowledge in Traumatic Brain Injury (TRACK-TBI) Investigators, The Transforming Research and Clinical Knowledge in Traumatic Brain Injury (TRACK-TBI) Investigators, Collaborative European NeuroTrauma Effectiveness Research in Traumatic Brain Injury (CENTER-TBI) Participants and Investigators, Collaborative European NeuroTrauma Effectiveness Research in Traumatic Brain Injury (CENTER-TBI) Participants and Investigators ,  et al. ()

Modality Cycles with Masked Conditional Diffusion for Unsupervised Anomaly Segmentation in MRI
Liang Z,  Anthony H,  Wagner F,  Kamnitsas K,  et al. ()

Controlling Meshes via Curvature: Spin Transformations for Pose-Invariant Shape Processing
Folgoc LL,  Castro DC,  Tan J,  Khanal B,  Kamnitsas K,  Walker I,  Alansary A,  Glocker B,  et al. ()

Controlling Meshes via Curvature: Spin Transformations for Pose-Invariant Shape Processing
Le Folgoc L,  Castro DC,  Tan J,  Khanal B,  Kamnitsas K,  Walker I,  Alansary A,  Glocker B,  et al. ()

Identifying the Best Machine Learning Algorithms for Brain Tumor Segmentation, Progression Assessment, and Overall Survival Prediction in the BRATS Challenge
Bakas S,  Reyes M,  Jakab A,  Bauer S,  Rempfler M,  Crimi A,  Shinohara RT,  Berger C,  Ha SM,  Rozycki M,  Prastawa M,  Alberts E,  Lipkova J,  Freymann J,  Kirby J,  Bilello M,  Fathallah-Shaykh H,  Wiest R,  Kirschke J,  Wiestler B,  Colen R,  Kotrotsou A,  Lamontagne P,  Marcus D,  Milchenko M,  Nazeri A,  Weber M-A,  Mahajan A,  Baid U,  Gerstner E,  Kwon D,  Acharya G,  Agarwal M,  Alam M,  Albiol A,  Albiol A,  Albiol FJ,  Alex V,  Allinson N,  Amorim PHA,  Amrutkar A,  Anand G,  Andermatt S,  Arbel T,  Arbelaez P,  Avery A,  Azmat M,  B. P,  Bai W,  Banerjee S,  Barth B,  Batchelder T,  Batmanghelich K,  Battistella E,  Beers A,  Belyaev M,  Bendszus M,  Benson E,  Bernal J,  Bharath HN,  Biros G,  Bisdas S,  Brown J,  Cabezas M,  Cao S,  Cardoso JM,  Carver EN,  Casamitjana A,  Castillo LS,  Catà M,  Cattin P,  Cerigues A,  Chagas VS,  Chandra S,  Chang Y-J,  Chang S,  Chang K,  Chazalon J,  Chen S,  Chen W,  Chen JW,  Chen Z,  Cheng K,  Choudhury AR,  Chylla R,  Clérigues A,  Colleman S,  Colmeiro RGR,  Combalia M,  Costa A,  Cui X,  Dai Z,  Dai L,  Daza LA,  Deutsch E,  Ding C,  Dong C,  Dong S,  Dudzik W,  Eaton-Rosen Z,  Egan G,  Escudero G,  Estienne T,  Everson R,  Fabrizio J,  Fan Y,  Fang L,  Feng X,  Ferrante E,  Fidon L,  Fischer M,  French AP,  Fridman N,  Fu H,  Fuentes D,  Gao Y,  Gates E,  Gering D,  Gholami A,  Gierke W,  Glocker B,  Gong M,  González-Villá S,  Grosges T,  Guan Y,  Guo S,  Gupta S,  Han W-S,  Han IS,  Harmuth K,  He H,  Hernández-Sabaté A,  Herrmann E,  Himthani N,  Hsu W,  Hsu C,  Hu X,  Hu X,  Hu Y,  Hu Y,  Hua R,  Huang T-Y,  Huang W,  Van Huffel S,  Huo Q,  HV V,  Iftekharuddin KM,  Isensee F,  Islam M,  Jackson AS,  Jambawalikar SR,  Jesson A,  Jian W,  Jin P,  Jose VJM,  Jungo A,  Kainz B,  Kamnitsas K,  Kao P-Y,  Karnawat A,  Kellermeier T,  Kermi A,  Keutzer K,  Khadir MT,  Khened M,  Kickingereder P,  Kim G,  King N,  Knapp H,  Knecht U,  Kohli L,  Kong D,  Kong X,  Koppers S,  Kori A,  Krishnamurthi G,  Krivov E,  Kumar P,  Kushibar K,  Lachinov D,  Lambrou T,  Lee J,  Lee C,  Lee Y,  Lee M,  Lefkovits S,  Lefkovits L,  Levitt J,  Li T,  Li H,  Li W,  Li H,  Li X,  Li Y,  Li H,  Li Z,  Li X,  Li Z,  Li X,  Li W,  Lin Z-S,  Lin F,  Lio P,  Liu C,  Liu B,  Liu X,  Liu M,  Liu J,  Liu L,  Llado X,  Lopez MM,  Lorenzo PR,  Lu Z,  Luo L,  Luo Z,  Ma J,  Ma K,  Mackie T,  Madabushi A,  Mahmoudi I,  Maier-Hein KH,  Maji P,  Mammen C,  Mang A,  Manjunath BS,  Marcinkiewicz M,  McDonagh S,  McKenna S,  McKinley R,  Mehl M,  Mehta S,  Mehta R,  Meier R,  Meinel C,  Merhof D,  Meyer C,  Miller R,  Mitra S,  Moiyadi A,  Molina-Garcia D,  Monteiro MAB,  Mrukwa G,  Myronenko A,  Nalepa J,  Ngo T,  Nie D,  Ning H,  Niu C,  Nuechterlein NK,  Oermann E,  Oliveira A,  Oliveira DDC,  Oliver A,  Osman AFI,  Ou Y-N,  Ourselin S,  Paragios N,  Park MS,  Paschke B,  Pauloski JG,  Pawar K,  Pawlowski N,  Pei L,  Peng S,  Pereira SM,  Perez-Beteta J,  Perez-Garcia VM,  Pezold S,  Pham B,  Phophalia A,  Piella G,  Pillai GN,  Piraud M,  Pisov M,  Popli A,  Pound MP,  Pourreza R,  Prasanna P,  Prkovska V,  Pridmore TP,  Puch S,  Puybareau É,  Qian B,  Qiao X,  Rajchl M,  Rane S,  Rebsamen M,  Ren H,  Ren X,  Revanuru K,  Rezaei M,  Rippel O,  Rivera LC,  Robert C,  Rosen B,  Rueckert D,  Safwan M,  Salem M,  Salvi J,  Sanchez I,  Sánchez I,  Santos HM,  Sartor E,  Schellingerhout D,  Scheufele K,  Scott MR,  Scussel AA,  Sedlar S,  Serrano-Rubio JP,  Shah NJ,  Shah N,  Shaikh M,  Shankar BU,  Shboul Z,  Shen H,  Shen D,  Shen L,  Shen H,  Shenoy V,  Shi F,  Shin HE,  Shu H,  Sima D,  Sinclair M,  Smedby O,  Snyder JM,  Soltaninejad M,  Song G,  Soni M,  Stawiaski J,  Subramanian S,  Sun L,  Sun R,  Sun J,  Sun K,  Sun Y,  Sun G,  Sun S,  Suter YR,  Szilagyi L,  Talbar S,  Tao D,  Tao D,  Teng Z,  Thakur S,  Thakur MH,  Tharakan S,  Tiwari P,  Tochon G,  Tran T,  Tsai YM,  Tseng K-L,  Tuan TA,  Turlapov V,  Tustison N,  Vakalopoulou M,  Valverde S,  Vanguri R,  Vasiliev E,  Ventura J,  Vera L,  Vercauteren T,  Verrastro CA,  Vidyaratne L,  Vilaplana V,  Vivekanandan A,  Wang G,  Wang Q,  Wang CJ,  Wang W,  Wang D,  Wang R,  Wang Y,  Wang C,  Wang G,  Wen N,  Wen X,  Weninger L,  Wick W,  Wu S,  Wu Q,  Wu Y,  Xia Y,  Xu Y,  Xu X,  Xu P,  Yang T-L,  Yang X,  Yang H-Y,  Yang J,  Yang H,  Yang G,  Yao H,  Ye X,  Yin C,  Young-Moxon B,  Yu J,  Yue X,  Zhang S,  Zhang A,  Zhang K,  Zhang X,  Zhang L,  Zhang X,  Zhang Y,  Zhang L,  Zhang J,  Zhang X,  Zhang T,  Zhao S,  Zhao Y,  Zhao X,  Zhao L,  Zheng Y,  Zhong L,  Zhou C,  Zhou X,  Zhou F,  Zhu H,  Zhu J,  Zhuge Y,  Zong W,  Kalpathy-Cramer J,  Farahani K,  Davatzikos C,  van Leemput K,  Menze B,  et al. ()

Deep neural network to locate and segment brain tumors outperformed the expert technicians who created the training data.
Mitchell JR,  Kamnitsas K,  Singleton KW,  Whitmire SA,  Clark-Swanson KR,  Ranjbar S,  Rickertsen CR,  Johnston SK,  Egan KM,  Rollison DE,  Arrington J,  Krecke KN,  Passe TJ,  Verdoorn JT,  Nagelschneider AA,  Carr CM,  Port JD,  Patton A,  Campeau NG,  Liebo GB,  Eckel LJ,  Wood CP,  Hunt CH,  Vibhute P,  Nelson KD,  Hoxworth JM,  Patel AC,  Chong BW,  Ross JS,  Boxerman JL,  Vogelbaum MA,  Hu LS,  Glocker B,  Swanson KR,  et al. ()

Ensemble of Convolutional Neural Networks Improves Automated Segmentation of Acute Ischemic Lesions Using Multiparametric Diffusion-Weighted MRI.
Winzeck S,  Mocking SJT,  Bezerra R,  Bouts MJRJ,  McIntosh EC,  Diwan I,  Garg P,  Chutinet A,  Kimberly WT,  Copen WA,  Schaefer PW,  Ay H,  Singhal AB,  Kamnitsas K,  Glocker B,  Sorensen AG,  Wu O,  et al. ()

A deep learning approach to segmentation of the developing cortex in fetal brain MRI with minimal manual labeling
Fetit AE,  Alansary A,  Cordero-Grande L,  Cupitt J,  Davidson AB,  Edwards AD,  Hajnal JV,  Hughes E,  Kamnitsas K,  Kyriakopoulou V,  Makropoulos A,  Patkee PA,  Price AN,  Rutherford MA,  Rueckert D,  et al. ()

Relationship of admission blood proteomic biomarkers levels to lesion type and lesion burden in traumatic brain injury: A CENTER-TBI study.
Whitehouse DP,  Monteiro M,  Czeiter E,  Vyvere TV,  Valerio F,  Ye Z,  Amrein K,  Kamnitsas K,  Xu H,  Yang Z,  Verheyden J,  Das T,  Kornaropoulos EN,  Steyerberg E,  Maas AIR,  Wang KKW,  Büki A,  Glocker B,  Menon DK,  Newcombe VFJ,  CENTER-TBI Participants and Investigators ,  et al. ()

Confidence-Based Out-of-Distribution Detection: A Comparative Study and Analysis
Berger C,  Paschali M,  Glocker B,  Kamnitsas K,  et al. ()

Transductive Image Segmentation: Self-training and Effect of Uncertainty Estimation
Kamnitsas K,  Winzeck S,  Kornaropoulos EN,  Whitehouse D,  Englman C,  Phyu P,  Pao N,  Menon DK,  Rueckert D,  Das T,  Newcombe VFJ,  Glocker B,  et al. ()

Learning from Partially Overlapping Labels: Image Segmentation Under Annotation Shift
Filbrandt G,  Kamnitsas K,  Bernstein D,  Taylor A,  Glocker B,  et al. ()

Preface dart 2021
Albarqouni S,  Cardoso MJ,  Dou Q,  Kamnitsas K,  Rieke N,  Tsaftaris S,  Xu D,  Xu Z,  et al. ()

Distributional Gaussian Process Layers for Outlier Detection in Image Segmentation
Popescu SG,  Sharp DJ,  Cole JH,  Kamnitsas K,  Glocker B,  et al. ()

Stochastic segmentation networks: Modelling spatially correlated aleatoric uncertainty
Monteiro M,  Le Folgoc L,  de Castro DC,  Pawlowski N,  Marques B,  Kamnitsas K,  van der Wilk M,  Glocker B,  et al. ()

Analyzing Overfitting Under Class Imbalance in Neural Networks for Image Segmentation.
Li Z,  Kamnitsas K,  Glocker B,  et al. ()

Multiclass semantic segmentation and quantification of traumatic brain injury lesions on head CT using deep learning: an algorithm development and multicentre validation study.
Monteiro M,  Newcombe VFJ,  Mathieu F,  Adatia K,  Kamnitsas K,  Ferrante E,  Das T,  Whitehouse D,  Rueckert D,  Menon DK,  Glocker B,  et al. ()

Relationship between Measures of Cerebrovascular Reactivity and Intracranial Lesion Progression in Acute Traumatic Brain Injury Patients: A CENTER-TBI Study.
Mathieu F,  Zeiler FA,  Ercole A,  Monteiro M,  Kamnitsas K,  Glocker B,  Whitehouse DP,  Das T,  Smielewski P,  Czosnyka M,  Hutchinson PJ,  Newcombe VFJ,  Menon DK,  CENTER-TBI High Resolution Sub-Study Participants and Investigators ,  et al. ()

Explainable Anatomical Shape Analysis Through Deep Hierarchical Generative Models.
Biffi C,  Cerrolaza JJ,  Tarroni G,  Bai W,  de Marvao A,  Oktay O,  Ledig C,  Le Folgoc L,  Kamnitsas K,  Doumou G,  Duan J,  Prasad SK,  Cook SA,  O'Regan DP,  Rueckert D,  et al. ()

Big Data Approaches to Phenotyping Acute Ischemic Stroke Using Automated Lesion Segmentation of Multi-Center Magnetic Resonance Imaging Data.
Wu O,  Winzeck S,  Giese A-K,  Hancock BL,  Etherton MR,  Bouts MJRJ,  Donahue K,  Schirmer MD,  Irie RE,  Mocking SJT,  McIntosh EC,  Bezerra R,  Kamnitsas K,  Frid P,  Wasselius J,  Cole JW,  Xu H,  Holmegaard L,  Jiménez-Conde J,  Lemmens R,  Lorentzen E,  McArdle PF,  Meschia JF,  Roquer J,  Rundek T,  Sacco RL,  Schmidt R,  Sharma P,  Slowik A,  Stanne TM,  Thijs V,  Vagal A,  Woo D,  Bevan S,  Kittner SJ,  Mitchell BD,  Rosand J,  Worrall BB,  Jern C,  Lindgren AG,  Maguire J,  Rost NS,  et al. ()

Evaluating reinforcement learning agents for anatomical landmark detection.
Alansary A,  Oktay O,  Li Y,  Folgoc LL,  Hou B,  Vaillant G,  Kamnitsas K,  Vlontzos A,  Glocker B,  Kainz B,  Rueckert D,  et al. ()

Regional brain morphometry in patients with traumatic brain injury based on acute- and chronic-phase magnetic resonance imaging.
Ledig C,  Kamnitsas K,  Koikkalainen J,  Posti JP,  Takala RSK,  Katila A,  Frantzén J,  Ala-Seppälä H,  Kyllönen A,  Maanpää H-R,  Tallus J,  Lötjönen J,  Glocker B,  Tenovuo O,  Rueckert D,  et al. ()

Fully automatic, multiorgan segmentation in normal whole body magnetic resonance imaging (MRI), using classification forests (CFs), convolutional neural networks (CNNs), and a multi-atlas (MA) approach.
Lavdas I,  Glocker B,  Kamnitsas K,  Rueckert D,  Mair H,  Sandhu A,  Taylor SA,  Aboagye EO,  Rockall AG,  et al. ()

Anatomically Constrained Neural Networks (ACNNs): Application to Cardiac Image Enhancement and Segmentation.
Oktay O,  Ferrante E,  Kamnitsas K,  Heinrich M,  Bai W,  Caballero J,  Cook SA,  de Marvao A,  Dawes T,  O'Regan DP,  Kainz B,  Glocker B,  Rueckert D,  et al. ()

Reverse Classification Accuracy: Predicting Segmentation Performance in the Absence of Ground Truth.
Valindria VV,  Lavdas I,  Bai W,  Kamnitsas K,  Aboagye EO,  Rockall AG,  Rueckert D,  Glocker B,  et al. ()

Multi-channel MRI segmentation of eye structures and tumors using patient-specific features.
Ciller C,  De Zanet S,  Kamnitsas K,  Maeder P,  Glocker B,  Munier FL,  Rueckert D,  Thiran J-P,  Bach Cuadra M,  Sznitman R,  et al. ()

SonoNet: Real-Time Detection and Localisation of Fetal Standard Scan Planes in Freehand Ultrasound.
Baumgartner CF,  Kamnitsas K,  Matthew J,  Fletcher TP,  Smith S,  Koch LM,  Kainz B,  Rueckert D,  et al. ()

ISLES 2015 - A public evaluation benchmark for ischemic stroke lesion segmentation from multispectral MRI.
Maier O,  Menze BH,  von der Gablentz J,  Ḧani L,  Heinrich MP,  Liebrand M,  Winzeck S,  Basit A,  Bentley P,  Chen L,  Christiaens D,  Dutil F,  Egger K,  Feng C,  Glocker B,  Götz M,  Haeck T,  Halme H-L,  Havaei M,  Iftekharuddin KM,  Jodoin P-M,  Kamnitsas K,  Kellner E,  Korvenoja A,  Larochelle H,  Ledig C,  Lee J-H,  Maes F,  Mahmood Q,  Maier-Hein KH,  McKinley R,  Muschelli J,  Pal C,  Pei L,  Rangarajan JR,  Reza SMS,  Robben D,  Rueckert D,  Salli E,  Suetens P,  Wang C-W,  Wilms M,  Kirschke JS,  Kr Amer UM,  Münte TF,  Schramm P,  Wiest R,  Handels H,  Reyes M,  et al. ()

DeepCut: Object Segmentation From Bounding Box Annotations Using Convolutional Neural Networks.
Rajchl M,  Lee MCH,  Oktay O,  Kamnitsas K,  Passerat-Palmbach J,  Bai W,  Damodaram M,  Rutherford MA,  Hajnal JV,  Kainz B,  Rueckert D,  et al. ()

Efficient multi-scale 3D CNN with fully connected CRF for accurate brain lesion segmentation.
Kamnitsas K,  Ledig C,  Newcombe VFJ,  Simpson JP,  Kane AD,  Menon DK,  Rueckert D,  Glocker B,  et al. ()

Image-Level Harmonization of Multi-site Data Using Image-and-Spatial Transformer Networks
Robinson R,  Dou Q,  Coelho de Castro D,  Kamnitsas K,  de Groot M,  Summers RM,  Rueckert D,  Glocker B,  et al. ()

Preface dart 2020
Albarqouni S,  Cardoso MJ,  Kamnitsas K,  Milletari F,  Rieke N,  Xu D,  Xu Z,  et al. ()

Domain generalization via model-agnostic learning of semantic features
Dou Q,  Castro DC,  Kamnitsas K,  Glocker B,  et al. ()

TBI Lesion Segmentation in Head CT: Impact of Preprocessing and Data Augmentation
Monteiro M,  Kamnitsas K,  Ferrante E,  Mathieu F,  McDonagh S,  Cook S,  Stevenson S,  Das T,  Khetani A,  Newman T,  Zeiler F,  Digby R,  Coles JP,  Rueckert D,  Menon DK,  Newcombe VFJ,  Glocker B,  et al. ()

Deep learning: Generative adversarial networks and adversarial methods
Wolterink JM,  Kamnitsas K,  Ledig C,  Išgum I,  et al. ()

Preface
Milletari F,  Rieke N,  Albarqouni S,  Xu Z,  Kamnitsas K,  Cardoso MJ,  et al. ()

Data Efficient Unsupervised Domain Adaptation For Cross-modality Image Segmentation
Ouyang C,  Kamnitsas K,  Biffi C,  Duan J,  Rueckert D,  et al. ()

Overfitting of Neural Nets Under Class Imbalance: Analysis and Improvements for Segmentation
Li Z,  Kamnitsas K,  Glocker B,  et al. ()

Multiple Landmark Detection Using Multi-agent Reinforcement Learning
Vlontzos A,  Alansary A,  Kamnitsas K,  Rueckert D,  Kainz B,  et al. ()

Semi-supervised learning via compact latent space clustering
Kamnitsas K,  Castro DC,  Le Folgoc L,  Walker I,  Tanno R,  Rueckert D,  Glocker B,  Criminisi A,  Nori A,  et al. ()

Automatic View Planning with Multi-scale Deep Reinforcement Learning Agents
Alansary A,  Folgoc LL,  Vaillant G,  Oktay O,  Li Y,  Bai W,  Passerat-Palmbach J,  Guerrero R,  Kamnitsas K,  Hou B,  McDonagh S,  Glocker B,  Kainz B,  Rueckert D,  et al. ()

Autofocus Layer for Semantic Segmentation
Qin Y,  Kamnitsas K,  Ancha S,  Nanavati J,  Cottrell G,  Criminisi A,  Nori A,  et al. ()

Ensembles of Multiple Models and Architectures for Robust Brain Tumour Segmentation
Kamnitsas K,  Bai W,  Ferrante E,  McDonagh S,  Sinclair M,  Pawlowski N,  Rajchl M,  Lee M,  Kainz B,  Rueckert D,  Glocker B,  et al. ()

Context-Sensitive Super-Resolution for Fast Fetal Magnetic Resonance Imaging
McDonagh S,  Hou B,  Alansary A,  Oktay O,  Kamnitsas K,  Rutherford M,  Hajnal JV,  Kainz B,  et al. ()

Unsupervised Domain Adaptation in Brain Lesion Segmentation with Adversarial Networks
Kamnitsas K,  Baumgartner C,  Ledig C,  Newcombe V,  Simpson J,  Kane A,  Menon D,  Nori A,  Criminisi A,  Rueckert D,  Glocker B,  et al. ()

Fast Fully Automatic Segmentation of the Severely Abnormal Human Right Ventricle from Cardiovascular Magnetic Resonance Images Using a Multi-Scale 3D Convolutional Neural Network
Giannakidis A,  Kamnitsas K,  Spadotto V,  Keegan J,  Smith G,  Glocker B,  Rueckert D,  Ernst S,  Gatzoulis MA,  Pennell DJ,  Babu-Narayan S,  Firmin DN,  et al. ()

DeepMedic for Brain Tumor Segmentation
Kamnitsas K,  Ferrante E,  Parisot S,  Ledig C,  Nori AV,  Criminisi A,  Rueckert D,  Glocker B,  et al. ()

Fast Fully Automatic Segmentation of the Human Placenta from Motion Corrupted MRI
Alansary A,  Kamnitsas K,  Davidson A,  Khlebnikov R,  Rajchl M,  Malamateniou C,  Rutherford M,  Hajnal JV,  Glocker B,  Rueckert D,  Kainz B,  et al. ()

Real-Time Standard Scan Plane Detection and Localisation in Fetal Ultrasound Using Fully Convolutional Neural Networks
Baumgartner CF,  Kamnitsas K,  Matthew J,  Smith S,  Kainz B,  Rueckert D,  et al. ()

Multi-input Cardiac Image Super-Resolution Using Convolutional Neural Networks
Oktay O,  Bai W,  Lee M,  Guerrero R,  Kamnitsas K,  Caballero J,  de Marvao A,  Cook S,  O’Regan D,  Rueckert D,  et al. ()

Semi-Supervised Learning for Deep Causal Generative Models
Ibrahim Y,  Warr H,  Kamnitsas K,  et al. ()

As Firm As Their Foundations: Can open-sourced foundation models be used to create adversarial examples for downstream tasks?
Hu A,  Gu J,  Pinto F,  Kamnitsas K,  Torr P,  et al. ()

Examining Modality Incongruity in Multimodal Federated Learning for Medical Vision and Language-based Disease Detection
Saha P,  Mishra D,  Wagner F,  Kamnitsas K,  Noble JA,  et al. ()

Post-Deployment Adaptation with Access to Source Data via Federated Learning and Source-Target Remote Gradient Alignment
Wagner F,  Li Z,  Saha P,  Kamnitsas K,  et al. ()

Modality Cycles with Masked Conditional Diffusion for Unsupervised Anomaly Segmentation in MRI
Liang Z,  Anthony H,  Wagner F,  Kamnitsas K,  et al. ()

Joint Optimization of Class-Specific Training- and Test-Time Data Augmentation in Segmentation
Li Z,  Kamnitsas K,  Dou Q,  Qin C,  Glocker B,  et al. ()

Distributional Gaussian Processes Layers for Out-of-Distribution Detection
Popescu SG,  Sharp DJ,  Cole JH,  Kamnitsas K,  Glocker B,  et al. ()

Context Label Learning: Improving Background Class Representations in Semantic Segmentation
Li Z,  Kamnitsas K,  Ouyang C,  Chen C,  Glocker B,  et al. ()

Estimating Model Performance under Domain Shifts with Class-Specific Confidence Scores
Li Z,  Kamnitsas K,  Islam M,  Chen C,  Glocker B,  et al. ()

Distributional Gaussian Processes Layers for Out-of-Distribution Detection
Popescu SG,  Sharp DJ,  Cole JH,  Kamnitsas K,  Glocker B,  et al. ()

Transductive image segmentation: Self-training and effect of uncertainty estimation
Kamnitsas K,  Winzeck S,  Kornaropoulos EN,  Whitehouse D,  Englman C,  Phyu P,  Pao N,  Menon DK,  Rueckert D,  Das T,  Newcombe VFJ,  Glocker B,  et al. ()

Learning from Partially Overlapping Labels: Image Segmentation under Annotation Shift
Filbrandt G,  Kamnitsas K,  Bernstein D,  Taylor A,  Glocker B,  et al. ()

Confidence-based Out-of-Distribution Detection: A Comparative Study and Analysis
Berger C,  Paschali M,  Glocker B,  Kamnitsas K,  et al. ()

Distributional Gaussian Process Layers for Outlier Detection in Image Segmentation
Popescu SG,  Sharp DJ,  Cole JH,  Kamnitsas K,  Glocker B,  et al. ()

Analyzing Overfitting under Class Imbalance in Neural Networks for Image Segmentation
Li Z,  Kamnitsas K,  Glocker B,  et al. ()

Image-level Harmonization of Multi-Site Data using Image-and-Spatial Transformer Networks
Robinson R,  Dou Q,  Castro DC,  Kamnitsas K,  de Groot M,  Summers RM,  Rueckert D,  Glocker B,  et al. ()

Stochastic Segmentation Networks: Modelling Spatially Correlated Aleatoric Uncertainty
Monteiro M,  Folgoc LL,  de Castro DC,  Pawlowski N,  Marques B,  Kamnitsas K,  van der Wilk M,  Glocker B,  et al. ()

Domain Generalization via Model-Agnostic Learning of Semantic Features
Dou Q,  Castro DC,  Kamnitsas K,  Glocker B,  et al. ()

Chapter 23 Deep learning: Generative adversarial networks and adversarial methods
Wolterink JM,  Kamnitsas K,  Ledig C,  Išgum I,  et al. ()

Overfitting of neural nets under class imbalance: Analysis and improvements for segmentation
Li Z,  Kamnitsas K,  Glocker B,  et al. ()

Multiple Landmark Detection using Multi-Agent Reinforcement Learning
Vlontzos A,  Alansary A,  Kamnitsas K,  Rueckert D,  Kainz B,  et al. ()

Data Efficient Unsupervised Domain Adaptation for Cross-Modality Image Segmentation
Ouyang C,  Kamnitsas K,  Biffi C,  Duan J,  Rueckert D,  et al. ()

Explainable Anatomical Shape Analysis through Deep Hierarchical Generative Models
Biffi C,  Cerrolaza JJ,  Tarroni G,  Bai W,  de Marvao A,  Oktay O,  Ledig C,  Folgoc LL,  Kamnitsas K,  Doumou G,  Duan J,  Prasad SK,  Cook SA,  O'Regan DP,  Rueckert D,  et al. ()

Towards continual learning in medical imaging
Baweja C,  Glocker B,  Kamnitsas K,  et al. ()

Generative adversarial networks and adversarial methods in biomedical image analysis
Wolterink JM,  Kamnitsas K,  Ledig C,  Išgum I,  et al. ()

Automatic View Planning with Multi-scale Deep Reinforcement Learning Agents
Alansary A,  Folgoc LL,  Vaillant G,  Oktay O,  Li Y,  Bai W,  Passerat-Palmbach J,  Guerrero R,  Kamnitsas K,  Hou B,  McDonagh S,  Glocker B,  Kainz B,  Rueckert D,  et al. ()

Semi-Supervised Learning via Compact Latent Space Clustering
Kamnitsas K,  Castro DC,  Folgoc LL,  Walker I,  Tanno R,  Rueckert D,  Glocker B,  Criminisi A,  Nori A,  et al. ()

Domain Adaptation for MRI Organ Segmentation using Reverse Classification Accuracy
Valindria VV,  Lavdas I,  Bai W,  Kamnitsas K,  Aboagye EO,  Rockall AG,  Rueckert D,  Glocker B,  et al. ()

Autofocus Layer for Semantic Segmentation
Qin Y,  Kamnitsas K,  Ancha S,  Nanavati J,  Cottrell G,  Criminisi A,  Nori A,  et al. ()

Ensembles of Multiple Models and Architectures for Robust Brain Tumour Segmentation
Kamnitsas K,  Bai W,  Ferrante E,  McDonagh S,  Sinclair M,  Pawlowski N,  Rajchl M,  Lee M,  Kainz B,  Rueckert D,  Glocker B,  et al. ()

Anatomically Constrained Neural Networks (ACNN): Application to Cardiac Image Enhancement and Segmentation
Oktay O,  Ferrante E,  Kamnitsas K,  Heinrich M,  Bai W,  Caballero J,  Cook S,  de Marvao A,  Dawes T,  O'Regan D,  Kainz B,  Glocker B,  Rueckert D,  et al. ()

Context-Sensitive Super-Resolution for Fast Fetal Magnetic Resonance Imaging
McDonagh S,  Hou B,  Kamnitsas K,  Oktay O,  Alansary A,  Rutherford M,  Hajnal JV,  Kainz B,  et al. ()

Reverse Classification Accuracy: Predicting Segmentation Performance in the Absence of Ground Truth
Valindria VV,  Lavdas I,  Bai W,  Kamnitsas K,  Aboagye EO,  Rockall AG,  Rueckert D,  Glocker B,  et al. ()

Unsupervised domain adaptation in brain lesion segmentation with adversarial networks
Kamnitsas K,  Baumgartner C,  Ledig C,  Newcombe VFJ,  Simpson JP,  Kane AD,  Menon DK,  Nori A,  Criminisi A,  Rueckert D,  Glocker B,  et al. ()

SonoNet: Real-Time Detection and Localisation of Fetal Standard Scan Planes in Freehand Ultrasound
Baumgartner CF,  Kamnitsas K,  Matthew J,  Fletcher TP,  Smith S,  Koch LM,  Kainz B,  Rueckert D,  et al. ()

DeepCut: Object Segmentation from Bounding Box Annotations using Convolutional Neural Networks
Rajchl M,  Lee MCH,  Oktay O,  Kamnitsas K,  Passerat-Palmbach J,  Bai W,  Damodaram M,  Rutherford MA,  Hajnal JV,  Kainz B,  Rueckert D,  et al. ()

Efficient Multi-Scale 3D CNN with Fully Connected CRF for Accurate Brain Lesion Segmentation
Kamnitsas K,  Ledig C,  Newcombe VFJ,  Simpson JP,  Kane AD,  Menon DK,  Rueckert D,  Glocker B,  et al. ()

NIMG-23. DEEP LEARNING FOR ACCURATE, RAPID, FULLY AUTOMATIC MEASUREMENT OF BRAIN TUMOR-ASSOCIATED ABNORMALITY SEEN ON MRI
Mitchell J,  Kamnitsas K,  Singleton K,  Whitmire S,  Clark-Swanson K,  Rickertsen C,  Glocker B,  Hu L,  Swanson K,  et al. ()

NIMG-07. DEEP LEARNING DETECTS DIFFERENCES IN THE MRIs OF MALE AND FEMALE GLIOMAS
Singleton K,  Mitchell J,  Ranjbar S,  Kamnitsas K,  Whitmire S,  Clark-Swanson K,  Rickertsen C,  Rubin J,  Glocker B,  Hu L,  Swanson K,  et al. ()

As firm as their foundations: can open-sourced foundation models be used to create adversarial examples for downstream tasks?
Hu A,  Gu J,  Pinto F,  Kamnitsas K,  Torr P,  et al. ()

Feasibility and benefits of joint learning from MRI databases with different brain diseases and modalities for segmentation
Xu W,  Moffat M,  Seale T,  Liang Z,  Wagner F,  Whitehouse D,  Menon D,  Newcombe V,  Voets N,  Banerjee A,  Kamnitsas K,  et al. ()

IterMask2: Iterative Unsupervised Anomaly Segmentation via Spatial and Frequency Masking for Brain Lesions in MRI
Liang Z,  Guo X,  Noble JA,  Kamnitsas K,  et al. ()

Feasibility of Federated Learning from Client Databases with Different Brain Diseases and MRI Modalities
Wagner F,  Xu W,  Saha P,  Liang Z,  Whitehouse D,  Menon D,  Voets N,  Noble JA,  Kamnitsas K,  et al. ()

An Organism Starts with a Single Pix-Cell: A Neural Cellular Diffusion for High-Resolution Image Synthesis
Elbatel M,  Kamnitsas K,  Li X,  et al. ()

Quality Control for Radiology Report Generation Models via Auxiliary Auditing Components
Warr H,  Ibrahim Y,  McGowan DR,  Kamnitsas K,  et al. ()

Is Your Style Transfer Doing Anything Useful? An Investigation Into Hippocampus Segmentation and the Role of Preprocessing
Kalabizadeh H,  Griffanti L,  Yeung PH,  Voets N,  Gillis G,  Mackay CE,  Namburete AIL,  Dinsdale NK,  Kamnitsas K,  et al. ()

Evaluating Reliability in Medical DNNs: A Critical Analysis of Feature and Confidence-Based OOD Detection
Anthony H,  Kamnitsas K,  et al. ()

Evaluating Reliability in Medical DNNs: A Critical Analysis of Feature and Confidence-Based OOD Detection
Anthony H,  Kamnitsas K,  et al. ()

Quality Control for Radiology Report Generation Models via Auxiliary Auditing Components
Warr H,  Ibrahim Y,  McGowan DR,  Kamnitsas K,  et al. ()

IterMask2: Iterative Unsupervised Anomaly Segmentation via Spatial and Frequency Masking for Brain Lesions in MRI
Liang Z,  Guo X,  Noble JA,  Kamnitsas K,  et al. ()

An Organism Starts with a Single Pix-Cell: A Neural Cellular Diffusion for High-Resolution Image Synthesis
Elbatel M,  Kamnitsas K,  Li X,  et al. ()

An Organism Starts with a Single Pix-Cell: A Neural Cellular Diffusion for High-Resolution Image Synthesis
Elbatel M,  Kamnitsas K,  Li X,  et al. ()

Semi-Supervised Learning for Deep Causal Generative Models
Ibrahim Y,  Warr H,  Kamnitsas K,  et al. ()

As firm as their foundations: creating transferable adversarial examples across downstream tasks with CLIP
Hu A,  Gu J,  Pinto F,  Kamnitsas K,  Torr PHS,  et al. ()

Is Your Style Transfer Doing Anything Useful? An Investigation into Hippocampus Segmentation and the Role of Preprocessing
Kalabizadeh H,  Griffanti L,  Yeung P-H,  Voets N,  Gillis G,  Mackay C,  Namburete AI,  Dinsdale NK,  Kamnitsas K,  et al. ()

SPA: Efficient User-Preference Alignment against Uncertainty in Medical Image Segmentation
Zhu J,  Wu J,  Ouyang C,  Kamnitsas K,  Noble A,  et al. ()

F$^3$OCUS -- Federated Finetuning of Vision-Language Foundation Models with Optimal Client Layer Updating Strategy via Multi-objective Meta-Heuristics
Saha P,  Wagner F,  Mishra D,  Peng C,  Thakur A,  Clifton D,  Kamnitsas K,  Noble JA,  et al. ()

As Firm As Their Foundations: Can open-sourced foundation models be used to create adversarial examples for downstream tasks
Hu A,  Gu J,  Pinto F,  Kamnitsas K,  Torr P,  et al. ()

FedPIA -- Permuting and Integrating Adapters leveraging Wasserstein Barycenters for Finetuning Foundation Models in Multi-Modal Federated Learning
Saha P,  Mishra D,  Wagner F,  Kamnitsas K,  Noble JA,  et al. ()

FedPIA -- Permuting and Integrating Adapters leveraging Wasserstein Barycenters for Finetuning Foundation Models in Multi-Modal Federated Learning
Saha P,  Mishra D,  Wagner F,  Kamnitsas K,  Noble JA,  et al. ()

Feasibility and benefits of joint learning from MRI databases with different brain diseases and modalities for segmentation
Xu W,  Moffat M,  Seale T,  Liang Z,  Wagner F,  Whitehouse D,  Menon D,  Newcombe V,  Voets N,  Banerjee A,  Kamnitsas K,  et al. ()

Radiomics for Treatment Planning in Liver Cancers.
Mian A,  Kamnitsas K,  Gordon-Weeks A,  et al. ()

Feasibility of Federated Learning from Client Databases with Different Brain Diseases and MRI Modalities
Wagner F,  Xu W,  Saha P,  Liang Z,  Whitehouse D,  Menon D,  Newcombe V,  Voets N,  Noble JA,  Kamnitsas K,  et al. ()

IterMask3D: Unsupervised Anomaly Detection and Segmentation with Test-Time Iterative Mask Refinement in 3D Brain MR
Liang Z,  Guo X,  Xu W,  Ibrahim Y,  Voets N,  Pretorius PM,  Noble JA,  Kamnitsas K,  et al. ()

Incongruent Multimodal Federated Learning for Medical Vision and Language-based Multi-label Disease Detection
Saha P,  Mishra D,  Wagner F,  Kamnitsas K,  Noble JA,  et al. ()

Continuous Online Adaptation Driven by User Interaction for Medical Image Segmentation
Xu W,  Liang Z,  Anthony H,  Ibrahim Y,  Cohen F,  Yang G,  Whitehouse D,  Menon D,  Newcombe V,  Kamnitsas K,  et al. ()

FedPIA – Permuting and Integrating Adapters Leveraging Wasserstein Barycenters for Finetuning Foundation Models in Multi-Modal Federated Learning
Saha P,  Mishra D,  Wagner F,  Kamnitsas K,  Noble JA,  et al. ()

DIsoN: Decentralized Isolation Networks for Out-of-Distribution Detection in Medical Imaging
Wagner F,  Saha P,  Anthony H,  Noble JA,  Kamnitsas K,  et al. ()

F3OCUS - Federated Finetuning of Vision-Language Foundation Models with Optimal Client Layer Updating Strategy via Multi-objective Meta-Heuristics
Saha P,  Wagner F,  Mishra D,  Peng C,  Thakur A,  Clifton DA,  Kamnitsas K,  Noble JA,  et al. ()

IterMask3D: Unsupervised anomaly detection and segmentation with test-time iterative mask refinement in 3D brain MRI
Liang Z,  Guo X,  Xu W,  Ibrahim Y,  Voets N,  Pretorius PM,  Noble JA,  Kamnitsas K,  et al. ()

Specialised or Generic? Tokenization Choices for Radiology Language Models
Warr H,  Xu W,  Anthony H,  Ibrahim Y,  McGowan D,  Kamnitsas K,  et al. ()

Specialised or Generic? Tokenization Choices for Radiology Language Models
Warr H,  Xu W,  Anthony H,  Ibrahim Y,  McGowan DR,  Kamnitsas K,  et al. ()

Unsupervised Domain Adaptation via Content Alignment for Hippocampus Segmentation
Kalabizadeh H,  Griffanti L,  Yeung P-H,  Namburete AIL,  Dinsdale NK,  Kamnitsas K,  et al. ()