یادگیری ماشین در تصویربرداری پزشکی: اولین کارگاه بین المللی، MLMI ۲۰۱۰، برگزار شده در ارتباط با MICCAI ۲۰۱۰، پکن، چین، ۲۰ سپتامبر ۲۰۱۰، مجموعه مقالات
Machine Learning in Medical Imaging: First International Workshop, MLMI 2010, Held in Conjunction with MICCAI 2010, Beijing, China, September 20, 2010, Proceedings

دانلود کتاب یادگیری ماشین در تصویربرداری پزشکی: اولین کارگاه بین المللی، MLMI ۲۰۱۰، برگزار شده در ارتباط با MICCAI ۲۰۱۰، پکن، چین، ۲۰ سپتامبر ۲۰۱۰، مجموعه مقالات (Machine Learning in Medical Imaging: First International Workshop, MLMI 2010, Held in Conjunction with MICCAI 2010, Beijing, China, September 20, 2010, Proceedings) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده

Dinggang Shen, Fei Wang, Kenji Suzuki, Pingkun Yan

voucher (1)

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

سال انتشار

2010

زبان

English

تعداد صفحه‌ها

192

نوع فایل

pdf

حجم

5 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 یادگیری ماشین در تصویربرداری پزشکی: اولین کارگاه بین المللی، MLMI ۲۰۱۰، برگزار شده در ارتباط با MICCAI ۲۰۱۰، پکن، چین، ۲۰ سپتامبر ۲۰۱۰، مجموعه مقالات

نخستین کارگاه بین المللی یادگیری ماشین در تصویربرداری پزشکی، MLMI 2010، در تاریخ ۲۰ سپتامبر ۲۰۱۰ در مرکز همایش های ملی چین، پکن، چین، همزمان با کنفرانس بین المللی محاسبات تصویر پزشکی و مداخله به کمک کامپیوتر (MICCAI) 2010 برگزار شد. یادگیری ماشین نقش اساسی در زمینه تصویربرداری پزشکی ایفا می کند، از جمله قطعه بندی تصویر، همسان سازی تصویر، تشخیص به کمک کامپیوتر، ادغام تصویر، درمان هدایت شده با تصویر، حاشیه نویسی تصویر، و بازیابی پایگاه داده تصویر. با پیشرفت در تصویربرداری پزشکی، روش های تصویربرداری جدید، و متدولوژی هایی مانند سی تی اسکن مخروطی/چند برش، سونوگرافی سه بعدی، توموسنتز، ام آر آی وزنی شده با انتشار، توموگرافی امپدانس الکتریکی، و توموگرافی نوری پراکنده، الگوریتم ها/کاربردهای جدید یادگیری ماشین در زمینه تصویربرداری پزشکی مورد نیاز است. شواهد نمونه ی تکی ارائه شده توسط داده های تصویربرداری بیمار اغلب برای ارائه عملکرد رضایت بخش کافی نیست. بنابراین، وظایف در تصویربرداری پزشکی نیازمند یادگیری از مثال ها برای شبیه سازی دانش قبلی پزشک از داده ها است. MLMI 2010 نخستین کارگاه در این زمینه است. این کارگاه بر گرایش ها و چالش های اصلی در این حوزه متمرکز است و در جهت شناسایی تکنیک های جدید و استفاده از آن ها در تصویربرداری پزشکی تلاش می کند. هدف ما کمک به پیشبرد تحقیقات علمی در حوزه گسترده تصویربرداری پزشکی و یادگیری ماشین است. دامنه و سطح مقالات ارسالی برای نشست امسال از کیفیت بسیار بالایی برخوردار بود. از نویسندگان خواسته شد که مقالات کامل خود را برای بررسی ارسال کنند. در مجموع، ۳۸ مقاله در پاسخ به فراخوان مقالات به کارگاه ارسال شد.
توضیحات(انگلیسی)
The first International Workshop on Machine Learning in Medical Imaging, MLMI 2010, was held at the China National Convention Center, Beijing, China on Sept- ber 20, 2010 in conjunction with the International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2010. Machine learning plays an essential role in the medical imaging field, including image segmentation, image registration, computer-aided diagnosis, image fusion, ima- guided therapy, image annotation, and image database retrieval. With advances in me- cal imaging, new imaging modalities, and methodologies such as cone-beam/multi-slice CT, 3D Ultrasound, tomosynthesis, diffusion-weighted MRI, electrical impedance to- graphy, and diffuse optical tomography, new machine-learning algorithms/applications are demanded in the medical imaging field. Single-sample evidence provided by the patient’s imaging data is often not sufficient to provide satisfactory performance; the- fore tasks in medical imaging require learning from examples to simulate a physician’s prior knowledge of the data. The MLMI 2010 is the first workshop on this topic. The workshop focuses on major trends and challenges in this area, and works to identify new techniques and their use in medical imaging. Our goal is to help advance the scientific research within the broad field of medical imaging and machine learning. The range and level of submission for this year's meeting was of very high quality. Authors were asked to submit full-length papers for review. A total of 38 papers were submitted to the workshop in response to the call for papers.

دیگران دریافت کرده‌اند

✨ 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.