Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
Produktbild: Computational Mathematics Modeling in Cancer Analysis
Band 16178

Computational Mathematics Modeling in Cancer Analysis 4th International Workshop, CMMCA 2025, Held in Conjunction with MICCAI 2025, Daejeon, South Korea, September 27, 2025, Proceedings

Aus der Reihe Lecture Notes in Computer Science

Fr. 73.90

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

27.09.2025

Abbildungen

XI, 63 illus., 51 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Herausgeber

Chao Li + weitere

Verlag

Springer

Seitenzahl

172

Maße (L/B/H)

23.5/15.5/1.1 cm

Gewicht

289 g

Sprache

Englisch

ISBN

978-3-032-06623-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

27.09.2025

Abbildungen

XI, 63 illus., 51 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

172

Maße (L/B/H)

23.5/15.5/1.1 cm

Gewicht

289 g

Sprache

Englisch

ISBN

978-3-032-06623-7

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: Computational Mathematics Modeling in Cancer Analysis

  • .- A Lightweight Optimization Framework for Estimating 3D Brain Tumor Infiltration.

    .- A Data-Driven Approach to Optimise Parameters of a Computational Digital Twin Model in Response to SBRT on MR-Linac.

    .- FMIC-AI: Annotation-Free Tumor Cell Detection in Fluorescence Microscopy via Self-Supervised Anomaly Detection.

    .- Score-based Diffusion Model for Unpaired Virtual Histology Staining.

    .- Redefining Spectral Unmixing for In-Vivo BrainTissue Analysis from Hyperspectral Imaging.

    .- CT Image Segmentation Using Frequency Domain Feature-Assisted Selective Long Memory State Space Model.

    .- Towards Robust Skin Lesion Classification: Lesion Segmentation, Mole Collision Simulation and Hierarchical learning.

    .- Key Clinical Parameters Detection and Ovarian Tumor Benign/Malignant Classification in Multi-Modal Ultrasound Images via a Multi-Task Model.

    .- OG-SAM: Enhancing Multi-Organ Segmentation with Organogenesis-Based Adaptive Modeling.

    .- CoMoSeg: Anatomical Consistency and Cross Modality Guidance for Robust Brain Tumor Segmentation Using Partially Labeled MR Sequences.

    .- Region-aware Diagnosis of Clinically Significant Prostate Cancer via Semi-supervised Learning Segmentation.

    .- GraphMMP: A Graph Neural Network Model with Mutual Information and Global Fusion for Multimodal Medical Prognosis.

    .- Dual-Guided 3D Liver CT Image Generation for Medical Analysis.

    .- HaDM-ST: Histology-Assisted Differential Modeling for Spatial Transcriptomics Generation.

    .- Projection-Driven Robust Motion Compensation for CBCT Using a Patient-Specific Model Learned from Prior Scans.

    .- Revealing New Possibilities for Breast MRI Enhancement: Mamba-Driven Cross-Attention GAN with VMKANet.

    .- Hierarchical Brain Structure Modeling for Predicting Genotype of Glioma.