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. 2019] نویسندگان: Heung-Il Suk, Mingxia Liu, Pingkun Yan, Chunfeng Lian سری: Lecture Notes in Computer Science 11861 ISBN (شابک) : 9783030326913, 9783030326920 ناشر: Springer International Publishing سال نشر: 2019 تعداد صفحات: XVIII, 695 [711] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 100 Mb
در صورت تبدیل فایل کتاب Machine Learning in Medical Imaging: 10th International Workshop, MLMI 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 13, 2019, 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 ماشین در تصویربرداری پزشکی: دهمین کارگاه بین المللی ، MLMI 2019 ، همراه با MICCAI 2019 ، شنژن ، چین ، 13 اکتبر 2019 ، 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 دهمین کارگاه بینالمللی یادگیری ماشین
در تصویربرداری پزشکی، MLMI 2019 است که در ارتباط با MICCAI
2019، در شنژن، چین، در اکتبر 2019 برگزار شد.
78 مقاله ارائه شده در این جلد به دقت بررسی و از بین 158 مورد
ارسالی انتخاب شد. آنها بر روی روندها و چالشهای اصلی در این
منطقه تمرکز میکنند و هدفشان شناسایی تکنیکهای جدید و کاربرد
آنها در تصویربرداری پزشکی است. موضوعات مورد بررسی عبارتند از:
یادگیری عمیق، یادگیری خصمانه مولد، یادگیری گروهی، یادگیری
پراکنده، یادگیری چندکاره، یادگیری چند نمایه، یادگیری چندگانه،
و یادگیری تقویتی، با کاربردهای آنها در تجزیه و تحلیل تصویر
پزشکی، تشخیص و تشخیص به کمک رایانه، همجوشی چند وجهی، بازسازی
تصویر، بازیابی تصویر، تجزیه و تحلیل تصویر سلولی، تصویربرداری
مولکولی، آسیب شناسی دیجیتال و غیره
This book constitutes the proceedings of the 10th
International Workshop on Machine Learning in Medical
Imaging, MLMI 2019, held in conjunction with MICCAI 2019, in
Shenzhen, China, in October 2019.
The 78 papers presented in this volume were carefully
reviewed and selected from 158 submissions. They focus on
major trends and challenges in the area, aiming to identify
new-cutting-edge techniques and their uses in medical
imaging. Topics dealt with are: deep learning, generative
adversarial learning, ensemble learning, sparse learning,
multi-task learning, multi-view learning, manifold learning,
and reinforcement learning, with their applications to
medical image analysis, computer-aided detection and
diagnosis, multi-modality fusion, image reconstruction, image
retrieval, cellular image analysis, molecular imaging,
digital pathology, etc.