Vor Ort
Merkzettel Warenkorb
Produktbild: Multimodal Learning for Clinical Decision Support
Band 13050

Multimodal Learning for Clinical Decision Support 11th International Workshop, ML-CDS 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, October 1, 2021, Proceedings

Aus der Reihe Image Processing, Computer Vision, Pattern Recognition, and Graphics

57,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

20.10.2021

Abbildungen

VIII, 117 p. 47 illus., 43 illus. in color.

Herausgeber

Tanveer Syeda-Mahmood + weitere

Verlag

Springer

Seitenzahl

117

Maße (L/B/H)

23,5/15,5/0,8 cm

Gewicht

207 g

Auflage

1st ed. 2021

Sprache

Englisch

ISBN

978-3-030-89846-5

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

20.10.2021

Abbildungen

VIII, 117 p. 47 illus., 43 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

117

Maße (L/B/H)

23,5/15,5/0,8 cm

Gewicht

207 g

Auflage

1st ed. 2021

Sprache

Englisch

ISBN

978-3-030-89846-5

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Multimodal Learning for Clinical Decision Support
  • From Picoscale Pathology to Decascale Disease: Image Registration with a Scattering Transform and Varifolds for Manipulating Multiscale Data.- Multi-Scale Hybrid Transformer Networks: Application to Prostate Disease Classification.- Predicting Treatment Response in Prostate Cancer Patients Based on Multimodal PET/CT for Clinical Decision Support.- A Federated Multigraph Integration Approach for Connectional Brain Template Learning.- SAMA: Spatially-Aware Multimodal Network with Attention for Early Lung Cancer Diagnosis.- Fully Automatic Head and Neck Cancer Prognosis Prediction in PET/CT.- Feature Selection for Privileged Modalities in Disease Classification.- Merging and Annotating Teeth and Roots from Automated Segmentation of Multimodal Images.- Structure and Feature based Graph U-Net for Early Alzheimer's Disease Prediction.- A Method for Predicting Alzheimer's Disease based on the Fusion of Single Nucleotide Polymorphisms and Magnetic Resonance Feature Extraction.