Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 06.07.2026 auf fremdsprachige Bücher online auf thalia.at, in der Thalia App ab einem Mindestbestellwert von 30€ und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel & eBooks. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Versandkosten und Services.
Produktbild: Medical Image Understanding and Analysis
Band 15916 - 19%

Medical Image Understanding and Analysis 29th Annual Conference, MIUA 2025, Leeds, UK, July 15–17, 2025, Proceedings, Part I

Aus der Reihe Lecture Notes in Computer Science
19% sparen

79,99 € UVP 98,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

17.07.2025

Abbildungen

XXI, 106 illus., 94 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Sharib Ali + weitere

Verlag

Springer

Seitenzahl

320

Maße (L/B/H)

23,5/15,5/1,9 cm

Gewicht

523 g

Sprache

Englisch

ISBN

978-3-031-98687-1

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

17.07.2025

Abbildungen

XXI, 106 illus., 94 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

320

Maße (L/B/H)

23,5/15,5/1,9 cm

Gewicht

523 g

Sprache

Englisch

ISBN

978-3-031-98687-1

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

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: Medical Image Understanding and Analysis

  • .- Frontiers in Computational Pathology.

    .- Transductive Survival Ranking for Pan-cancer Automatic Risk Stratification using Whole Slide Images.

    .- Benchmarking Histopathology Foundation Models in a Multi-center Dataset for Skin Cancer Subtyping.

    .- MitoNet: Efficient Ki-67 Detection in H\&E-Stained Images.

    .- ASTER: Automated Segmentation of Endometrial Histology Images for Reproductive Health Assessment.

    .- Leveraging Pathology Foundation Models for Panoptic Segmentation of Melanoma in H\&E Images.

    .- SMatt-DINO: Spatially Aware Masked Attention Network for High Resolution Brain Image Classification.

    .- Persistent Homology and Gabor Features Reveal Inconsistencies Between Widely Used Colorectal Cancer Training and Testing Datasets.

    .- SWIFT-Reg: Slide-Wide Intelligent Feature-based Tissue Registration.

    .- Learnable Moran’s Index for Modeling Spatial Autocorrelation in Whole Slide Images to Predict Breast Cancer Outcomes.

    .- Image Synthesis and Generative Artificial Intelligence.

    .- Augmenting Chest X-ray Datasets with Non-Expert Annotations.

    .- Leveraging Synthetic Data for Whole-Body Segmentation in X-ray Images.

    .- Transform(AI)ng Radiology with CheXSBT: Integrating Dual-Attention Swin Transformer with BERT for Seamless Chest X-Ray Report Generation.

    .- Cardiac Ultrasound Video Generation Using a Diffusion Model with Temporal Transformer.

    .- KCLVA: Knowledge-enhanced Contrastive Learning and View-specific Attention for Chest X-ray Report Generation.

    .- BlastDiffusion: A Latent Diffusion Model for Generating Synthetic Embryo Images to Address Data Scarcity in In Vitro Fertilization.

    .- MediAug: Exploring Visual Augmentation in Medical Imaging.

    .- On the Robustness of Medical Vision-Language Models: Are they Truly Generalizable?.

    .- DiNO-Diffusion: Scaling Medical Diffusion Models via Self-Supervised Pre-Training.

    .- Knowledge-Driven Hypothesis Generation for Burn Diagnosis from Ultrasound with Vision-Language Model.

    .- Multimodal Federated Learning With Missing Modalities through Feature Imputation Network.

    .- Parameter-Efficient Multimodal Adaptation for Certified Robustness of Medical Vision-Language Models.