قابلیت تفسیر هوش ماشین در محاسبات تصویربرداری پزشکی و یادگیری چندوجهی برای پشتیبانی از تصمیم گیری بالینی: دومین کارگاه بین المللی، iMIMIC ۲۰۱۹، و نهمین کارگاه بین المللی، ML-CDS ۲۰۱۹، همزمان با MICCAI ۲۰۱۹، شنژن، چین، ۱۷ اکتبر ۲۰۱۹، مجموعه مقالات
Interpretability of Machine Intelligence in Medical Image Computing and Multimodal Learning for Clinical Decision Support: Second International Workshop, iMIMIC 2019, and 9th International Workshop, ML-CDS 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019, Proceedings

دانلود کتاب قابلیت تفسیر هوش ماشین در محاسبات تصویربرداری پزشکی و یادگیری چندوجهی برای پشتیبانی از تصمیم گیری بالینی: دومین کارگاه بین المللی، iMIMIC ۲۰۱۹، و نهمین کارگاه بین المللی، ML-CDS ۲۰۱۹، همزمان با MICCAI ۲۰۱۹، شنژن، چین، ۱۷ اکتبر ۲۰۱۹، مجموعه مقالات (Interpretability of Machine Intelligence in Medical Image Computing and Multimodal Learning for Clinical Decision Support: Second International Workshop, iMIMIC 2019, and 9th International Workshop, ML-CDS 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019, Proceedings) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده

Anant Madabhushi, Ben Glocker, Ender Konukoglu, Hayit Greenspan, Kenji Suzuki, Mauricio Reyes, Roland Wiest, Tanveer Syeda-Mahmood, Yaniv Gur

voucher (1)

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2019

زبان

English

تعداد صفحه‌ها

93

نوع فایل

pdf

حجم

13 Mb

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب قابلیت تفسیر هوش ماشین در محاسبات تصویربرداری پزشکی و یادگیری چندوجهی برای پشتیبانی از تصمیم گیری بالینی: دومین کارگاه بین المللی، iMIMIC ۲۰۱۹، و نهمین کارگاه بین المللی، ML-CDS ۲۰۱۹، همزمان با MICCAI ۲۰۱۹، شنژن، چین، ۱۷ اکتبر ۲۰۱۹، مجموعه مقالات

این کتاب شامل مجموعه مقالات داوری شده دومین کارگاه بین المللی تفسیرپذیری هوش ماشین در محاسبات تصویربرداری پزشکی، iMIMIC 2019، و نهمین کارگاه بین المللی یادگیری چندوجهی برای پشتیبانی از تصمیم گیری بالینی، ML-CDS 2019 است که همزمان با بیست و دومین کنفرانس بین المللی تصویربرداری پزشکی و مداخله به کمک کامپیوتر، MICCAI 2019، در شنژن، چین، در اکتبر 2019 برگزار شد.

7 مقاله کامل ارائه شده در iMIMIC 2019 و 3 مقاله کامل ارائه شده در ML-CDS 2019 به دقت بررسی و از بین 10 مقاله ارسالی به iMIMIC و تعداد زیادی مقاله ارسالی به ML-CDS انتخاب شده اند. مقالات iMIMIC بر معرفی چالش ها و فرصت های مرتبط با موضوع تفسیرپذیری سیستم های یادگیری ماشین در زمینه تصویربرداری پزشکی و مداخله به کمک کامپیوتر تمرکز دارند. مقالات ML-CDS به بحث در مورد یادگیری ماشین روی مجموعه داده های چندوجهی برای پشتیبانی از تصمیم گیری بالینی و برنامه ریزی درمان می پردازند.

توضیحات(انگلیسی)

This book constitutes the refereed joint proceedings of the Second International Workshop on Interpretability of Machine Intelligence in Medical Image Computing, iMIMIC 2019, and the 9th International Workshop on Multimodal Learning for Clinical Decision Support, ML-CDS 2019, held in conjunction with the 22nd International Conference on Medical Imaging and Computer-Assisted Intervention, MICCAI 2019, in Shenzhen, China, in October 2019.

The 7 full papers presented at iMIMIC 2019 and the 3 full papers presented at ML-CDS 2019 were carefully reviewed and selected from 10 submissions to iMIMIC and numerous submissions to ML-CDS. The iMIMIC papers focus on introducing the challenges and opportunities related to the topic of interpretability of machine learning systems in the context of medical imaging and computer assisted intervention. The ML-CDS papers discuss machine learning on multimodal data sets for clinical decision support and treatment planning.

✨ ضمانت تجربه خوب مطالعه

بازگشت کامل وجه

در صورت مشکل، مبلغ پرداختی بازگردانده می شود.

دانلود پرسرعت

دانلود فایل کتاب با سرعت بالا

ارسال فایل به ایمیل

دانلود مستقیم به همراه ارسال فایل به ایمیل.

پشتیبانی ۲۴ ساعته

با چت آنلاین و پیام‌رسان ها پاسخگو هستیم.

ضمانت کیفیت کتاب

کتاب ها را از منابع معتیر انتخاب می کنیم.