Vor Ort
Merkzettel Warenkorb
Produktbild: Foundation Models for 3D Biomedical Image Segmentation
Band 16447

Foundation Models for 3D Biomedical Image Segmentation CVPR 2025 Challenge, MedSegFM 2025, Held in Conjunction with CVPR 2025, Nashville, TN, USA, June 11–15, 2025, Proceedings

Aus der Reihe Lecture Notes in Computer Science

57,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.05.2026

Abbildungen

XII, 82 illus., 80 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Jun Ma + weitere

Verlag

Springer

Seitenzahl

240

Maße (L/B/H)

23,5/15,5/1,4 cm

Gewicht

388 g

Sprache

Englisch

ISBN

978-3-032-23495-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.05.2026

Abbildungen

XII, 82 illus., 80 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

240

Maße (L/B/H)

23,5/15,5/1,4 cm

Gewicht

388 g

Sprache

Englisch

ISBN

978-3-032-23495-7

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: Einfach Barcode scannen, Versandetikett ausdrucken, Bücher verschicken und Thalia Geschenkkarte erhalten.

Jetzt verkaufen
Jetzt verkaufen

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Foundation Models for 3D Biomedical Image Segmentation

  • .- Exploring Foundation Model Adaptations for 3D Medical Imaging: Prompt-Based Segmentation with xLSTM network.

    .- ENSAM: an efficient foundation model for interactive segmentation of 3D medical images.

    .- GAMT: A Geometry-Aware, Multi-View, Training-free Segmentation Framework for Foundation Models in Medical Imaging.

    .- Five Models for Five Modalities: Open-Vocabulary Segmentation in Medical Imaging.

    .- Medal S: Spatio-Textual Prompt Model for Medical Segmentation.

    .- From Single-Round to Sequential: Building Stateful Interactive Medical Image Segmentation with SegVol and GRU Corrector.

    .- BiomedParse-V : Scaling Foundation Model for Universal Text-guided Volumetric Biomedical Image Segmentation.

    .- Enhancing a 3D Foundation Model with Gaussian Sampling for Interactive Biomedical Image Segmentation.

    .- Dynamic Prompt Generation for Interactive 3D Medical Image Segmentation Training.

    .- iMedSTAM: Interactive Segmentation and Tracking Anything in 3D Medical Images and Videos.

    .- Text3DSAM: Text-Guided 3D Medical Image Segmentation Using SAM-Inspired Architecture.

    .- Rethinking RoI Strategy in Interactive 3D Segmentation for Medical Images.

    .- Intensity-Based Prompt Generation for Multi-Modality 3D Medical Image Segmentation.