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: [1 ed.] نویسندگان: Minjeong Kim, Guorong Wu, Dinggang Shen (auth.), Guorong Wu, Daoqiang Zhang, Dinggang Shen, Pingkun Yan, Kenji Suzuki, Fei Wang (eds.) سری: Lecture Notes in Computer Science 8184 ISBN (شابک) : 9783319022666, 9783319022673 ناشر: Springer International Publishing سال نشر: 2013 تعداد صفحات: 262 [271] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 Mb
در صورت تبدیل فایل کتاب Machine Learning in Medical Imaging: 4th International Workshop, MLMI 2013, Held in Conjunction with MICCAI 2013, Nagoya, Japan, September 22, 2013. 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: چهارمین کارگاه بین المللی، MLMI 2013، همراه با MICCAI 2013، Nagoya، Japan، 22 سپتامبر 2013. 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 چهارمین کارگاه بینالمللی یادگیری ماشین در تصویربرداری پزشکی، MLMI 2013 است که در ارتباط با کنفرانس بینالمللی محاسبات تصویر پزشکی و مداخله به کمک کامپیوتر، MICCAI 2013، در ناگویا، ژاپن، در سپتامبر برگزار شد. 2013. 32 مشارکت موجود در این جلد به دقت بررسی و از بین 57 مورد ارسالی انتخاب شدند. آنها بر روی روندها و چالشهای اصلی در حوزه یادگیری ماشینی در تصویربرداری پزشکی تمرکز میکنند و هدفشان شناسایی تکنیکهای جدید و استفاده از آنها در تصویربرداری پزشکی است.
This book constitutes the refereed proceedings of the 4th International Workshop on Machine Learning in Medical Imaging, MLMI 2013, held in conjunction with the International Conference on Medical Image Computing and Computer Assisted Intervention, MICCAI 2013, in Nagoya, Japan, in September 2013. The 32 contributions included in this volume were carefully reviewed and selected from 57 submissions. They focus on major trends and challenges in the area of machine learning in medical imaging and aim to identify new cutting-edge techniques and their use in medical imaging.