Name: Medical Image Learning with Limited and Noisy Data: Second International Workshop, Milland 2023, Held in Conjunction with Miccai 2023, Vancouver, Bc, (en Inglés)
Price: 201230.00 CLP
Availability: InStock
Author: Xue, Zhiyun ; Antani, Sameer ; Zamzmi, Ghada
ISBN: 9783031471964

portada Medical Image Learning with Limited and Noisy Data: Second International Workshop, Milland 2023, Held in Conjunction with Miccai 2023, Vancouver, Bc, (en Inglés)

Formato

Libro Físico

Editorial

Springer

Autor

Xue, Zhiyun ; Antani, Sameer ; Zamzmi, Ghada

Idioma

Inglés

N° páginas

270

Encuadernación

Tapa Blanda

Dimensiones

23.4 x 15.6 x 1.5 cm

Peso

0.40 kg.

ISBN13

9783031471964

Categorías

Reconocimiento de formas
Visión por ordenador
Procesamiento de imágenes

Medical Image Learning with Limited and Noisy Data: Second International Workshop, Milland 2023, Held in Conjunction with Miccai 2023, Vancouver, Bc, (en Inglés)

Xue, Zhiyun ; Antani, Sameer ; Zamzmi, Ghada (Autor) · Springer · Tapa Blanda

Libro Nuevo

$ 201.230

$ 279.490

Ahorras: $ 78.260

28% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Jueves 08 de Agosto y el Martes 20 de Agosto.

Lo recibirás en cualquier lugar de Chile entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Medical Image Learning with Limited and Noisy Data: Second International Workshop, Milland 2023, Held in Conjunction with Miccai 2023, Vancouver, Bc, (en Inglés)"

This book consists of full papers presented in the 2nd workshop of "Medical Image Learning with Noisy and Limited Data (MILLanD)" held in conjunction with the 26th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2023).The 24 full papers presented were carefully reviewed and selected from 38 submissions. The conference focused on challenges and limitations of current deep learning methods applied to limited and noisy medical data and present new methods for training models using such imperfect data.