Produktbild: Multi-class Segmentation of the Aorta
Band 16399

Multi-class Segmentation of the Aorta AortaSeg 2024 Challenge, Held in Conjunction with MICCAI 2024, Virtual Event, October 24, 2024, Proceedings

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

28.01.2026

Abbildungen

X, 123 p. 34 illus., 32 illus. in color.

Herausgeber

Muhammad Imran + weitere

Verlag

Springer

Seitenzahl

123

Maße (L/B/H)

23,5/15,5/0,8 cm

Gewicht

219 g

Sprache

Englisch

ISBN

978-3-032-14245-0

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

28.01.2026

Abbildungen

X, 123 p. 34 illus., 32 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

123

Maße (L/B/H)

23,5/15,5/0,8 cm

Gewicht

219 g

Sprache

Englisch

ISBN

978-3-032-14245-0

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: GPSR Kontakt

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: Multi-class Segmentation of the Aorta

  • .- Multi-Class Segmentation of Aortic Branches and Zones in CTA


    .- Coarse-to-Fine Aortic Segmentation on CTA Using a Two-Stage nnUNet-Based Framework.



    .- Hierarchical Semantic Learning for Multi-Class Aorta Segmentation.



    .- U-Net-Based Segmentation of Aortic Branches and Zones in CTA Scans.



    .- Anatomically Guided Two-Stage 3D Aorta Segmentation in CT Angiography.



    .- Combining Region-Based and Topological Losses in the nnU-Net Framework for Advanced Aorta Segmentation.



    .- Data-Centric Multiclass Aortic Segmentation: Revisiting Classical Architectures in Low-Data Regimes.



    .- AortaST: A Student-Teacher Framework for Multi-Class Aortic Segmentation.



    .- Accurate and Efficient Multi-Class Segmentation for Aortic Branches and Zones in CTA.



    .- Application of nnUNet for Multi-Class Segmentation of Aortic Branches and Zones in CTA.



    .- A Mamba-Based Method with Gated Attention for Human Aorta Segmentation.