Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
Produktbild: Ultra-Widefield Fundus Imaging for Diabetic Retinopathy
Band 15597

Ultra-Widefield Fundus Imaging for Diabetic Retinopathy First MICCAI Challenge, UWF4DR 2024, Held in Conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, Proceedings

Aus der Reihe Lecture Notes in Computer Science

Fr. 73.90

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

14.05.2025

Abbildungen

X, 64 illus., 63 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Herausgeber

Bin Sheng + weitere

Verlag

Springer

Seitenzahl

176

Maße (L/B/H)

23.5/15.5/1.1 cm

Gewicht

295 g

Sprache

Englisch

ISBN

978-3-031-89387-2

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

14.05.2025

Abbildungen

X, 64 illus., 63 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

176

Maße (L/B/H)

23.5/15.5/1.1 cm

Gewicht

295 g

Sprache

Englisch

ISBN

978-3-031-89387-2

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

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: Ultra-Widefield Fundus Imaging for Diabetic Retinopathy

  • .- Image Quality Assessment with Model Fusion for Ultra-Widefield Fundus.

    .- AI Algorithm for Ultra-Widefield Fundus Imaging forDiabetic Retinopathy-RDR, DME.

    .- Lightweight and Accurate: ShuffleNet for Diabetic Retinopathy and EfficientNet for Diabetic Macular Edema Diagnosis.

    .- Efficient Deep Learning Models for Ultra-Widefield Fundus Imaging for Diabetic Retinopathy.

    .- Bag of Tricks for Ultra-widefield Fundus Image Quality Assessment.

    .- Bag of Tricks for Diabetic Retinopathy and Diabetic Macular Edema Classification in Ultra-Widefield Imaging.

    .- Deep Self-Supervised Learning for Ultra-Widefield Fundus Image Quality Assessment.

    .- Reliable DL-based Referable Diabetic Retinopathy and Diabetic Macular Edema Detection Using Ultra-Widefield Fundus Images.

    .- Deep Learning-Based Detection of Referable Diabetic Retinopathy and Macular Edema Using Ultra-Widefield Fundus Imaging.

    .- A Comprehensive Approach to Diabetic Retinopathy Classification: Combining ResNet34 with Enhanced Pre-processing for Ultra-Widefield Fundus Imaging.

    .- An ultra-efficient method for real-time ultra-widefield fundus image quality assessment.

    .- Ultra-fast detection of referable diabetic retinopathy and macular edema in ultra-widefield fundus imaging using a unified risk score.

    .- Efficient Deep Learning Approaches for Processing Ultra-Widefield Retinal Imaging.

    .- EfficientNet-B1 Based Diabetic Retinopathy Detection from Ultra-Widefield Fundus Images.

    .- Many-MobileNet: Multi-Model Augmentation for Robust Retinal Disease Classification.

    .- DME-MobileNet: Fine-tuning nnMobileNet For Diabetic Macular Edema Classification.

    .- Automatic Identification Method for Diabetic Macular Edema in Ultra-Widefield Fundus Images.