Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig am 28.06.2026 auf Spielzeug, Schreibwaren, Filme, Geschenke & Trends, Musik, tolino eReader & Zubehör, Hörbücher und Hörbuch-Downloads (außer Abo), nicht preisgebundene Bücher und Kalender online auf thalia.at und in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Aufgrund der Buchpreisbindung sind deutschsprachige Bücher und eBooks ausgenommen. Zusätzlich ausgenommen sind preisgebundene Artikel, Abos & Flatrates, eBooks, Games, Geschenkkarten/-boxen, Shelfies, Software, Zeitschriften sowie einzelne Artikel von tonies®. Pro Einkauf einmal einlösbar. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Versandkosten und Services.
Produktbild: Fairness of AI in Medical Imaging
Band 15976

Fairness of AI in Medical Imaging Third International Workshop, FAIMI 2025, Held in Conjunction with MICCAI 2025, Daejeon, South Korea, September 23, 2025, Proceedings

Aus der Reihe Lecture Notes in Computer Science

58,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

19.09.2025

Abbildungen

XI, 62 illus., 59 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Esther Puyol-Antón + weitere

Verlag

Springer

Seitenzahl

220

Maße (L/B/H)

23,5/15,5/1,3 cm

Gewicht

359 g

Sprache

Englisch

ISBN

978-3-032-05869-0

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

19.09.2025

Abbildungen

XI, 62 illus., 59 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

220

Maße (L/B/H)

23,5/15,5/1,3 cm

Gewicht

359 g

Sprache

Englisch

ISBN

978-3-032-05869-0

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Fairness of AI in Medical Imaging

  • .- LTCXNet: Tackling Long-Tailed Multi-Label Classification and Racial

    Bias in Chest X-Ray Analysis.

    .- Fairness and Robustness of CLIP-Based Models for Chest X-rays.

    .- ShortCXR: Benchmarking Self-Supervised Learning Methods for

    Shortcut Mitigation in Chest X-Ray Interpretation.

    .- How Fair Are Foundation Models? Exploring the Role of Covariate

    Bias in Histopathology.

    .- The Cervix in Context: Bias Assessment in Preterm Birth Prediction.

    .- Identifying Gender-Specific Visual Bias Signals in Skin Lesion Classification.

    .- Fairness-Aware Data Augmentation for Cardiac MRI using

    Text-Conditioned Diffusion Models.

    .- Exploring the interplay of label bias with subgroup size and separability:

    A case study in mammographic density classification.

    .- Does a Rising Tide Lift All Boats? Bias Mitigation for AI-based CMR

    Segmentation.

    .- MIMM-X: Disentangeling Spurious Correlations for Medical Image

    Analysis.

    .- Predicting Patient Self-reported Race From Skin Histological Images

    with Deep Learning.

    .- Robustness and sex differences in skin cancer detection: logistic

    regression vs CNNs.

    .- Sex-based Bias Inherent in the Dice Similarity Coefficient: A Model

    Independent Analysis for Multiple Anatomical Structures.

    .- The Impact of Skin Tone Label Granularity on the Performance and

    Fairness of AI Based Dermatology Image Classification Models.

    .- Causal Representation Learning with Observational Grouping for CXR

    Classification.

    .- Invisible Attributes, Visible Biases: Exploring Demographic Shortcuts

    in MRI-based Alzheimer’s Disease Classification.

    .- Fair Dermatological Disease Diagnosis through Auto-weighted

    Federated Learning and Performance-aware Personalization.

    .- Assessing Annotator and Clinician Biases in an Open-Source-Based

    Tool Used to Generate Head CT Segmentations for Deep Learning

    Training.

    .- meval: A Statistical Toolbox for Fine-Grained Model Performance Analysis.

    .- Revisiting the Evaluation Bias Introduced by Frame Sampling

    Strategies in Surgical Video Segmentation Using SAM2.

    .- Disentanglement and Assessment of Shortcuts in Ophthalmological

    Retinal Imaging Exams.