Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

*Gültig bis 05.07.2026 auf (fast) alles. Ausgeschlossen sind Smartboxen, Zeitschriften, Tickets, Lebensmittel, Gaming-Elektroartikel, Tinte/Toner, Gutscheine, Geschenkkarten, Blumen und Abos | Einlösbar in allen Buchhandlungen von Orell Füssli, Barth Bücher, Buchladen Rapunzel, Papeterie Köhler, Schuler Orell Füssli, Stauffacher und ZAP unter Vorweisung des Gutscheins, auf www.orellfüssli.ch durch Eingabe des Gutscheincodes. Beim Service „eBooks verschenken“ und bei eBook-Käufen via eReader nicht einlösbar | Mindesteinkaufswert: Fr. 30.- | Nicht mit anderen Rabatten kumulierbar.
Produktbild: Machine Learning in Clinical Neuroimaging
Band 13001

Machine Learning in Clinical Neuroimaging 4th International Workshop, MLCN 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings

Aus der Reihe Image Processing, Computer Vision, Pattern Recognition, and Graphics

Fr. 79.90

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.09.2021

Herausgeber

Ahmed Abdulkadir + weitere

Verlag

Springer

Seitenzahl

176

Maße (L/B/H)

23.5/15.5/1.1 cm

Gewicht

295 g

Auflage

1st edition 2021

Sprache

Englisch

ISBN

978-3-030-87585-5

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.09.2021

Herausgeber

Verlag

Springer

Seitenzahl

176

Maße (L/B/H)

23.5/15.5/1.1 cm

Gewicht

295 g

Auflage

1st edition 2021

Sprache

Englisch

ISBN

978-3-030-87585-5

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

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: Machine Learning in Clinical Neuroimaging
  • Computational Anatomy.- Unfolding the medial temporal lobe cortex to characterize neurodegeneration due to Alzheimer's disease pathology using ex vivo imaging.- Distinguishing Healthy Ageing from Dementia: a Biomechanical Simulation of Brain Atrophy using Deep Networks.- Towards Self-Explainable Classifiers and Regressors in Neuroimaging with Normalizing Flows.- Patch vs. global image-based unsupervised anomaly detection in MR brain scans of early Parkinsonian patients.- MRI image registration considerably improves CNN-based disease classification.- Dynamic Sub-graph Learning for Patch-based Cortical Folding Classification.- Detection of abnormal folding patterns with unsupervised deep generative models.- PialNN: A Fast Deep Learning Framework for Cortical Pial Surface Reconstruction.- Multi-Modal Brain Segmentation Using Hyper-Fused Convolutional Neural Network.- Robust Hydrocephalus Brain Segmentation via Globally and Locally Spatial Guidance.- Brain Networks and Time Series.- Geometric Deep Learning of the Human Connectome Project Multimodal Cortical Parcellation.- Deep Stacking Networks for Conditional Nonlinear Granger Causal Modeling of fMRI Data.- Dynamic Adaptive Spatio-temporal Graph Convolution for fMRI Modelling.- Structure-Function Mapping via Graph Neural Networks.- Improving Phenotype Prediction using Long-Range Spatio-Temporal Dynamics of Functional Connectivity.- H3K27M Mutations Prediction for Brainstem Gliomas Based on Diffusion Radiomics Learning.- Constrained Learning of Task-related and Spatially-Coherent Dictionaries from Task fMRI Data.