nav atļauts
nav atļauts
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.
Automated Detection of Myopic Maculopathy in MMAC 2023: Achievements in Classification, Segmentation, and Spherical Equivalent Prediction.- Swin-MMC: Swin-Based Model for Myopic Maculopathy Classification in Fundus Images.- Towards Label-efficient Deep Learning for Myopic Maculopathy Classification.- Ensemble Deep Learning Approaches for Myopic Maculopathy Plus Lesions Segmentation.- Beyond MobileNet: An improved MobileNet for Retinal Diseases.- Prediction of Spherical Equivalent With Vanilla ResNet.- Semi-supervised learning for Myopic Maculopathy Analysis.- A Clinically Guided Approach for Training Deep Neural Networks for Myopic Maculopathy Classification.- Classification of Myopic Maculopathy Images with Self-supervised Driven Multiple Instance Learning Network.- Self-supervised Learning and Data Diversity based Prediction of Spherical Equivalent.- Myopic Maculopathy Analysis using Multi-Task Learning and Pseudo Labeling.
Biežāk uzdotie jautājumi par e-grāmatām