دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st ed. نویسندگان: Farah Deeba, Patricia Johnson, Tobias Würfl, Jong Chul Ye سری: Lecture Notes in Computer Science 12450 ISBN (شابک) : 9783030615970, 9783030615987 ناشر: Springer International Publishing;Springer سال نشر: 2020 تعداد صفحات: 170 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 36 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب یادگیری ماشینی برای بازسازی تصویر پزشکی: سومین کارگاه بین المللی ، MLMIR 2020 ، همراه با MICCAI 2020 ، لیما ، پرو ، 8 اکتبر 2020 ، مجموعه مقالات: علوم کامپیوتر، پردازش تصویر و بینایی کامپیوتر، اپلیکیشن کامپیوتر. در علوم اجتماعی و رفتاری، کامپیوتر و آموزش، زیست شناسی محاسباتی/بیوانفورماتیک
در صورت تبدیل فایل کتاب Machine Learning for Medical Image Reconstruction: Third International Workshop, MLMIR 2020, Held in Conjunction with MICCAI 2020, Lima, Peru, October 8, 2020, Proceedings به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب یادگیری ماشینی برای بازسازی تصویر پزشکی: سومین کارگاه بین المللی ، MLMIR 2020 ، همراه با MICCAI 2020 ، لیما ، پرو ، 8 اکتبر 2020 ، مجموعه مقالات نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مجموعه مقالات داوری سومین کارگاه بینالمللی یادگیری ماشین برای بازسازی پزشکی، MLMIR 2020، که در پیوند با MICCAI 2020، در لیما، پرو، در اکتبر 2020 برگزار شد، است. این کارگاه به صورت مجازی برگزار شد.< /p>
15 مقاله ارائه شده با دقت بررسی و از بین 18 مقاله ارسالی انتخاب شدند. مقالات در بخشهای موضوعی زیر سازماندهی شدهاند: یادگیری عمیق برای تصویربرداری تشدید مغناطیسی و یادگیری عمیق برای بازسازی کلی تصویر.
This book constitutes the refereed proceedings of the Third International Workshop on Machine Learning for Medical Reconstruction, MLMIR 2020, held in conjunction with MICCAI 2020, in Lima, Peru, in October 2020. The workshop was held virtually.
The 15 papers presented were carefully reviewed and selected from 18 submissions. The papers are organized in the following topical sections: deep learning for magnetic resonance imaging and deep learning for general image reconstruction.
Front Matter ....Pages i-viii
Front Matter ....Pages 1-1
3D FLAT: Feasible Learned Acquisition Trajectories for Accelerated MRI (Jonathan Alush-Aben, Linor Ackerman-Schraier, Tomer Weiss, Sanketh Vedula, Ortal Senouf, Alex Bronstein)....Pages 3-16
Deep Parallel MRI Reconstruction Network Without Coil Sensitivities (Wanyu Bian, Yunmei Chen, Xiaojing Ye)....Pages 17-26
Neural Network-Based Reconstruction in Compressed Sensing MRI Without Fully-Sampled Training Data (Alan Q. Wang, Adrian V. Dalca, Mert R. Sabuncu)....Pages 27-37
Deep Recurrent Partial Fourier Reconstruction in Diffusion MRI (Fasil Gadjimuradov, Thomas Benkert, Marcel Dominik Nickel, Andreas Maier)....Pages 38-47
Model-Based Learning for Quantitative Susceptibility Mapping (Juan Liu, Kevin M. Koch)....Pages 48-59
Learning Bloch Simulations for MR Fingerprinting by Invertible Neural Networks (Fabian Balsiger, Alain Jungo, Olivier Scheidegger, Benjamin Marty, Mauricio Reyes)....Pages 60-69
Weakly-Supervised Learning for Single-Step Quantitative Susceptibility Mapping (Juan Liu, Kevin M. Koch)....Pages 70-81
Data-Consistency in Latent Space and Online Update Strategy to Guide GAN for Fast MRI Reconstruction (Shuo Chen, Shanhui Sun, Xiaoqian Huang, Dinggang Shen, Qian Wang, Shu Liao)....Pages 82-90
Extending LOUPE for K-Space Under-Sampling Pattern Optimization in Multi-coil MRI (Jinwei Zhang, Hang Zhang, Alan Wang, Qihao Zhang, Mert Sabuncu, Pascal Spincemaille et al.)....Pages 91-101
AutoSyncoder: An Adversarial AutoEncoder Framework for Multimodal MRI Synthesis (JayaChandra Raju, Balamurali Murugesan, Keerthi Ram, Mohanasankar Sivaprakasam)....Pages 102-110
Front Matter ....Pages 111-111
A Deep Prior Approach to Magnetic Particle Imaging (Sören Dittmer, Tobias Kluth, Daniel Otero Baguer, Peter Maass)....Pages 113-122
End-To-End Convolutional Neural Network for 3D Reconstruction of Knee Bones from Bi-planar X-Ray Images (Yoni Kasten, Daniel Doktofsky, Ilya Kovler)....Pages 123-133
Cellular/Vascular Reconstruction Using a Deep CNN for Semantic Image Preprocessing and Explicit Segmentation (Leila Saadatifard, Aryan Mobiny, Pavel Govyadinov, Hien Van Nguyen, David Mayerich)....Pages 134-144
Improving PET-CT Image Segmentation via Deep Multi-modality Data Augmentation (Kaiyi Cao, Lei Bi, Dagan Feng, Jinman Kim)....Pages 145-152
Stain Style Transfer of Histopathology Images via Structure-Preserved Generative Learning (Hanwen Liang, Konstantinos N. Plataniotis, Xingyu Li)....Pages 153-162
Back Matter ....Pages 163-163