Vor Ort
Merkzettel Warenkorb
Produktbild: Medical Image Understanding and Analysis
Band 15918 - 10%

Medical Image Understanding and Analysis 29th Annual Conference, MIUA 2025, Leeds, UK, July 15–17, 2025, Proceedings, Part III

Aus der Reihe Lecture Notes in Computer Science
10% sparen

85,99 € UVP 96,29 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

15.07.2025

Abbildungen

XIII, 336 p. 99 illus., 92 illus. in color.

Herausgeber

Sharib Ali + weitere

Verlag

Springer

Seitenzahl

336

Maße (L/B/H)

23,5/15,5/2 cm

Gewicht

534 g

Sprache

Englisch

ISBN

978-3-031-98693-2

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

15.07.2025

Abbildungen

XIII, 336 p. 99 illus., 92 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

336

Maße (L/B/H)

23,5/15,5/2 cm

Gewicht

534 g

Sprache

Englisch

ISBN

978-3-031-98693-2

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Medical Image Understanding and Analysis

  • .- Medical Image Segmentation.



    .- TransE2UNet: Edge Guided TransEfficientUNET for Generalized Colon Polyp Segmentation from Endoscopy Images.



    .- CA-Seg: An Attribute-based Medical Image Segmentation Framework for Unified Out-of-distributed Medical Image Segmentation.



    .- TotalSegmentator 2D: A Tool for Rapid Anatomical Structure Analysis.



    .- Promptable Cancer Segmentation Using Minimal Expert-curated Data.



    .- SPARS: Self-Play Adversarial Reinforcement Learning for Segmentation of Liver Tumours.



    .- Semantic Segmentation with Spreading Scribbles.



    .- A Hybrid Transformer-Graph Model for Multi-Class Lymph Node Segmentation in Histopathology.



    .- Exploring Context-Switching in Medical Image Retrieval Using Segmentation Models.



    .- Segmentation in Histopathology Utilising Simulated Masked Patches.



    .- A Feature-Driven Acquisition Strategy Using Scale-Invariant Descriptors for Deep Active Learning in Preclinical CT Segmentation.



    .- Quantifying Inter-Annotator Agreement and Generalist Model Limitations in Imaging Mass Cytometry Single Cell Segmentation.



    .- Subcortical Masks Generation in CT Images via Ensemble-Based Cross-Domain Label Transfer.



    .- DRASU-Net: Dual-backbone and Residual Atrous Squeeze module-aided U-Net Model for Polyp Segmentation.



    .- PolypDINO: Adapting DINOv2 for Domain Generalized Polyp Segmentation.



    .- Intraoperative Segmentation Through Deep Learning and Mask Post-processing in Laparoscopic Liver Surgery.



    .- Retinal and Vascular Image Analysis.



    .- Hessian-based Deep Retinal Vessel Segmentation with Extremely Few Annotations.



    .- Diffusion with Adversarial Fine-Tuning for Improving Rare Retinal Disease Diagnosis.



    .- Deep Learning for Cardiovascular Risk Assessment: Proxy Features from Carotid Sonography as Predictors of Arterial Damage.



    .- Enhanced Coronary Artery Segmentation in CTCA Using Bridging Centreline Integration.



    .- QD-RetNet: Efficient Retinal Disease Classification via Quantized Knowledge Distillation.



    .- Exploring the Effectiveness of Deep Features from Domain-Specific Foundation Models in Retinal Image Synthesis.



    .- GenVOG: A Diffusion Probabilistic Framework for Patient-Independent Pose-Guided Nystagmus Video-Oculography (VOG) Generation.



    .- Structurally Different Neural Network Blocks for the Segmentation of Atrial and Aortic Perivascular Adipose Tissue in Multi-centre CT Angiography Scans.