Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
Produktbild: Multimodal Learning and Fusion Across Scales for Clinical Decision Support
Band 16234 Vorbesteller

Multimodal Learning and Fusion Across Scales for Clinical Decision Support 13th International Workshop, ML-CDS 2025, Held in Conjunction with MICCAI 2025, Daejeon, South Korea, September 27, 2025, Proceedings

Aus der Reihe Lecture Notes in Computer Science

Fr. 75.90

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

22.09.2026

Abbildungen

X, 162 p. 43 illus., 41 illus. in color.

Herausgeber

Tanveer Syeda-Mahmood + weitere

Verlag

Springer

Seitenzahl

162

Maße (B/H)

15.5/23.5 cm

Sprache

Englisch

ISBN

978-3-032-30142-0

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

22.09.2026

Abbildungen

X, 162 p. 43 illus., 41 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

162

Maße (B/H)

15.5/23.5 cm

Sprache

Englisch

ISBN

978-3-032-30142-0

Herstelleradresse

Springer Nature Customer Service Center GmbH
Europaplatz 3
69115 Heidelberg
DE
ProductSafety@springernature.com

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: Multimodal Learning and Fusion Across Scales for Clinical Decision Support

  • .- Multimodal analysis and fusion.

    .- Multi-View and Multimodal Radiological Grading Using Spinal MRIs.

    .- MRI-Supervised Ultra-Low Dose CT for 3D Liver Fat Fraction Mapping.

    .- Integrating Pathology and CT Imaging for Personalized Recurrence Risk Prediction in Renal Cancer.

    .- Expert-Driven Contextual Fusion of Multisequence MRI and Heterogeneous Clinical Data for Pancreatic Cancer Prognostic Prediction.

    .- MOSAIK: Microclip-Guided TEMS-VQA and Mosaic Integrated Scene Fusion for Surgical VLMs.

    .- Imaging Biomarkers for Neurodegenerative Diseases from Detailed Segmentation of Medial Temporal Lobe Subregions on in vivo Brain MRI Using Upsampling Strategy Guided by High-resolution ex vivo MRI.

    .- Multimodal models for decision support.

    .- X2CT-CLIP: Enable Multi-Abnormality Detection in Computed Tomography from Chest Radiography via Tri-Modal Contrastive Learning.

    .- No Modality Left Behind: Dynamic Model Generation for Incomplete Medical Data.

    .- From Pixels to Graphs: SAM-KG for Tumor Segmentation and Knowledge Graphs.

    .- Multimodal Hypergraph Learning with Self-Attention for Early Alzheimer’s Diagnosis and Risk Factor Identification.

    .- Leveraging generic foundation models for multimodal surgical data analysis.

    .- Modality-agnostic input channels enable segmentation of brain lesions in multi-modal MRI with sequences unavailable during training.

    .- Self-Supervised Contrastive Learning for Cardiac MR Sequence Classification.