Machine Learning in Medical Imaging
Lingua: inglese
Editore: Springer, Springer Okt 2019, 2019
- Brossura
- Nuovo

Da: buchversandmimpf2000, Emtmannsberg, BAYE, Germaniabuchversandmimpf2000
Venditore AbeBooks dal 23 gennaio 2017
Condizione: Nuovo
EUR 53,49
Quantità: 1 disponibile
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
This item is printed on demand - Print on Demand Titel. Neuware -rain MR Image Segmentation in Small Dataset with Adversarial Defense and Task Reorganization.- Spatial Regularized Classification Network for Spinal Dislocation Diagnosis.- Globally-Aware Multiple Instance Classifier for Breast Cancer Screening.- Advancing Pancreas Segmentation in Multi-protocol MRI Volumes using Hausdorff-Sine Loss Function.- WSI-Net: Branch-based and Hierarchy-aware Network for Segmentation and Classification of Breast Histopathological Whole-slide Images.- Lesion Detection with Deep Aggregated 3D Contextual Feature and Auxiliary Information.- MSAFusionNet: Multiple Subspace Attention Based Deep Multi-modal Fusion Network.- DCCL: A Benchmark for Cervical Cytology Analysis.- Smartphone-Supported Malaria Diagnosis Based on Deep Learning.- Children's Neuroblastoma Segmentation using Morphological Features.- GFD Faster R-CNN: Gabor Fractal DenseNet Faster R-CNN for automatic detection of esophageal abnormalities in endoscopic images.- Deep Active Lesion Segmentation.- Infant Brain Deformable Registration Using Global and Local Label-Driven Deep Regression Learning.- A Relation Hashing Network Embedded with Prior Features for Skin Lesion Classification.- End-to-End Adversarial Shape Learning for Abdomen Organ Deep Segmentation.- Privacy-preserving Federated Brain Tumour Segmentation.- Residual Attention Generative Adversarial Networks for Nuclei Detection on Routine Colon Cancer Histology Images.- Semi-Supervised Multi-Task Learning With Chest X-Ray Images.- Novel Bi-directional Images Synthesis based on WGAN-GP with GMM-based Noise Generation.- Pseudo-labeled bootstrapping and multi-stage transfer learning for the classification and localization of dysplasia in Barrett's Esophagus.- Anatomy-Aware Self-supervised Fetal MRI Synthesis from Unpaired Ultrasound Images.- Boundary Aware Networks for Medical Image Segmentation.- Automatic Rodent Brain MRI Lesion Segmentation with Fully Convolutional Networks.- Morphological Simplification of Brain MR Images by Deep Learning for Facilitating Deformable Registration.- Joint Shape Representation and Classification for Detecting PDAC.- FusionNet: Incorporating Shape and Texture for Abnormality Detection in 3D Abdominal CT Scans.- Weakly supervised segmentation by a deep geodesic prior.- Ultrasound Liver Fibrosis Diagnosis using Multi-indicator guided Deep Neural Networks.- Correspondence-Steered Volumetric Descriptor Learning Using Deep Functional Maps.- Sturm: Sparse Tubal-Regularized Multilinear Regression for fMRI.- Improving Whole-Brain Neural Decoding of fMRI with Domain Adaptation.- Automatic Couinaud Segmentation from CT Volumes on Liver Using GLC-Unet.- Biomedical Image Segmentation by Retina-like Sequential Attention Mechanism Using Only A Few Training Images.- Conv-MCD: A Plug-and-Play Multi-task Module for Medical Image Segmentation.- Detecting abnormalities in resting-state dynamics: An unsupervised learning approach.- Distanced LSTM: Time-Distanced Gates in Long Short-Term MemoryModels for Lung Cancer Detection.- Dense-residual Attention Network for Skin Lesion Segmentation.- Confounder-Aware Visualization of ConvNets.- Detecting Lesion Bounding Ellipses With Gaussian Proposal Networks.- Modelling Airway Geometry as Stock Market Data using Bayesian Changepoint Detection.- Unsupervised Lesion Detection with Locally Gaussian Approximation.- A Hybrid Multi-atrous and Multi-scale Network for Liver Lesion Detection.- BOLD fMRI-based Brain Perfusion Prediction Using Deep Dilated Wide Activation Networks.- Jointly Discriminative and Generative Recurrent Neural Networks for Learning from fMRI.- Unsupervised Conditional Consensus Adversarial Network for Brain Disease Identification with Structural MRI.- A Maximum Entropy Deep Reinforcement Learning Neural Tracker.- Weakly Supervised Confidence Learning for Brain MR Image Dense Parcellation.- Select, Attend, and Transfer: Light, Learnable Skip Connections.-.…
Codice articolo 9783030326913
- Titolo
- Machine Learning in Medical Imaging
- Autore
- Heung-Il Suk
- Editore
- Springer, Springer Okt 2019
- Anno di pubblicazione
- 2019
- Condizione
- Neu
- Rilegatura
- Taschenbuch
- Lingua
- inglese
- ISBN 10
- 3030326918
- ISBN 13
- 9783030326913
- Peso dell'articolo
- 1066 grammi
- Dimensioni
- 235x155x39 mm
- Serie
- Libro 138 di 300: Lecture Notes in Computer Science
"Riassunto" può appartenere a un’altra edizione di questo titolo.
buchversandmimpf2000
Emtmannsberg, BAYE, Germania
Venditore AbeBooks dal 23 gennaio 2017
Tariffe di spedizione da Germania a U.S.A.
| Articolo | Da 60 a 60 giorni lavorativi | Da 60 a 60 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 60,00 | EUR 75,00 |
Metodi di pagamento
- Assegno
- PayPal
Descrizione dello Store
Impressum Thorsten Retsch Buchversand Mimpf2000 Oberölschnitz 16 95517 Emtmannsberg Deutschland Telefon: 09209-2023188 Email: mimpf2000@online.de USt-ID-Nr.: DE 235096871 Wir führen gebrauchte Bücher aus allen Sparten der Literatur
Specializzazione
Modernes Antiquariat - Bücher von 1960 bis heuteInformazioni sull’azienda del venditore
buchversandmimpf2000
Germania
Condizioni di vendita
Impressum
Gesetzliche Anbieterkennung:
Thorsten Retsch
Buchversand Mimpf2000
Oberölschnitz 16
95517 Emtmannsberg
Deutschland
Telefon: 092092023188
E-Mail: order@buchversandmimpf2000.de
USt-IdNr.: DE 235096871
Alternative Streitbeilegung:
Die Europäische Kommission stellt eine Plattform für die außergerichtliche Online-Streitbeilegung (OS-Plattform) bereit, aufrufbar unter http://ec.europa.eu/odr.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a buchversandmimpf2000, Emtmannsberg, BAYE, Germany, +49 09209-2023188, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Soweit in der Artikelbeschreibung keine andere Frist angegeben ist, erfolgt die Lieferung der Ware innerhalb von 3-5 Werktagen nach Vertragsschluss, bei Vorauszahlung erst nach Eingang des vollständigen Kaufpreises und der Versandkosten. Alle Preise inkl. MwSt.