• Produktbild: Medical Applications with Disentanglements
  • Produktbild: Medical Applications with Disentanglements
Band 13823

Medical Applications with Disentanglements First MICCAI Workshop, MAD 2022, Held in Conjunction with MICCAI 2022, Singapore, September 22, 2022, Proceedings

53,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.02.2023

Herausgeber

Jana Fragemann + weitere

Verlag

Springer

Seitenzahl

127

Maße (L/B/H)

23,5/15,5/0,8 cm

Gewicht

224 g

Auflage

1st edition 2023

Sprache

Englisch

ISBN

978-3-031-25045-3

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.02.2023

Herausgeber

Verlag

Springer

Seitenzahl

127

Maße (L/B/H)

23,5/15,5/0,8 cm

Gewicht

224 g

Auflage

1st edition 2023

Sprache

Englisch

ISBN

978-3-031-25045-3

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: [email protected]

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: Medical Applications with Disentanglements
  • Produktbild: Medical Applications with Disentanglements
  • Applying Disentanglement in the Medical Domain: An Introduction.- HSIC-InfoGAN: Learning Unsupervised Disentangled Representations by Maximising Approximated Mutual Information.- Implicit Embeddings via GAN Inversion for High Resolution Chest Radiographs.- Disentangled Representation Learning for Privacy-Preserving Case-Based Explanations.- Instance-Specific Augmentation of Brain MRIs with Variational Autoencoder.- Low-rank and Sparse Metamorphic Autoencoders for Unsupervised Pathology Disentanglement.- Training ß-VAE by Aggregating a Learned Gaussian Posterior with a Decoupled Decoder.- Disentangling Factors of Morpholigical Variation in an Invertible Brain Aging Model.- A study of representational properties of unsupervised anomaly detection in brain MRI.