Atjaunināt sīkdatņu piekrišanu

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

Edited by , Edited by , Edited by , Edited by , Edited by , Edited by , Edited by , Edited by
  • Formāts - PDF+DRM
  • Cena: 59,47 €*
  • * ši ir gala cena, t.i., netiek piemērotas nekādas papildus atlaides
  • Ielikt grozā
  • Pievienot vēlmju sarakstam
  • Šī e-grāmata paredzēta tikai personīgai lietošanai. E-grāmatas nav iespējams atgriezt un nauda par iegādātajām e-grāmatām netiek atmaksāta.

DRM restrictions

  • Kopēšana (kopēt/ievietot):

    nav atļauts

  • Drukāšana:

    nav atļauts

  • Lietošana:

    Digitālo tiesību pārvaldība (Digital Rights Management (DRM))
    Izdevējs ir piegādājis šo grāmatu šifrētā veidā, kas nozīmē, ka jums ir jāinstalē bezmaksas programmatūra, lai to atbloķētu un lasītu. Lai lasītu šo e-grāmatu, jums ir jāizveido Adobe ID. Vairāk informācijas šeit. E-grāmatu var lasīt un lejupielādēt līdz 6 ierīcēm (vienam lietotājam ar vienu un to pašu Adobe ID).

    Nepieciešamā programmatūra
    Lai lasītu šo e-grāmatu mobilajā ierīcē (tālrunī vai planšetdatorā), jums būs jāinstalē šī bezmaksas lietotne: PocketBook Reader (iOS / Android)

    Lai lejupielādētu un lasītu šo e-grāmatu datorā vai Mac datorā, jums ir nepieciešamid Adobe Digital Editions (šī ir bezmaksas lietotne, kas īpaši izstrādāta e-grāmatām. Tā nav tas pats, kas Adobe Reader, kas, iespējams, jau ir jūsu datorā.)

    Jūs nevarat lasīt šo e-grāmatu, izmantojot Amazon Kindle.

This book constitutes the refereed joint proceedings of the 11th International Workshop on Multimodal Learning for Clinical Decision Support, ML-CDS 2021, held in conjunction with the 24th International Conference on Medical Imaging and Computer-Assisted Intervention, MICCAI 2021, in Strasbourg, France, in October 2021. The workshop was held virtually due to the COVID-19 pandemic.

The 10 full papers presented at ML-CDS 2021 were carefully reviewed and selected from numerous submissions. The ML-CDS papers discuss machine learning on multimodal data sets for clinical decision support and treatment planning.

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.