PRedictive Intelligence in MEdicine
First International Workshop, PRIME 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 16, 2018, Proceedings
Sorozatcím: Lecture Notes in Computer Science; 11121;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 53.49
-
22 184 Ft (21 128 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 4 437 Ft off)
- Kedvezményes ár 17 748 Ft (16 902 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
22 184 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1st ed. 2018
- Kiadó Springer International Publishing
- Megjelenés dátuma 2018. szeptember 13.
- Kötetek száma 1 pieces, Book
- ISBN 9783030003197
- Kötéstípus Puhakötés
- Terjedelem174 oldal
- Méret 235x155 mm
- Súly 454 g
- Nyelv angol
- Illusztrációk XII, 174 p. 72 illus. Illustrations, black & white 0
Kategóriák
Hosszú leírás:
This book constitutes the refereed proceedings of the First International Workshop on PRedictive Intelligence in MEdicine, PRIME 2018, held in conjunction with MICCAI 2018, in Granada, Spain, in September 2018.
The 20 full papers presented were carefully reviewed and selected from 23 submissions. The main aim of the workshop is to propel the advent of predictive models in a broad sense, with application to medical data. Particularly, the workshop will admit papers describing new cutting-edge predictive models and methods that solve challenging problems in the medical field. TöbbTartalomjegyzék:
Computer Aided Identification of Motion Disturbances Related to Parkinson's Disease.- Prediction of Severity and Treatment Outcome for ASD from fMRI.- Enhancement of Perivascular Spaces Using a Very Deep 3D Dense Network.- Generation of Amyloid PET Images via Conditional Adversarial Training for Predicting Progression to Alzheimer's Disease.- Prediction of Hearing Loss Based on Auditory Perception: A Preliminary Study.- Predictive Patient Care: Survival Model to Prevent Medication Non-adherence.- Joint Robust Imputation and Classification for Early Dementia Detection Using Incomplete Multi-Modality Data.- Shared Latent Structures Between Imaging Features and Biomarkers in Early Stages of Alzheimer's Disease.- Predicting Nucleus Basalis of Meynert Volume from Compartmental Brain Segmentations.- Multi-modal Neuroimaging Data Fusion via Latent Space Learning for Alzheimer's Disease Diagnosis.- Transfer Learning for Task Adaptation of Brain Lesion Assessment and Prediction of Brain Abnormalities Progression/Regression Using Irregularity Age Map in Brain MRI.- Multi-View Brain Network Prediction From a Source View Using Sample Selection via CCA-based Multi-Kernel Connectomic Manifold Learning.- Predicting Emotional Intelligence Scores From Multi-Session Functional Brain Connectomes.- Predictive Modeling of Longitudinal Data for Alzheimer's Disease Diagnosis Using RNNs.- Towards Continuous Health Diagnosis from Faces with Deep Learning.- XmoNet: A Fully Convolutional Network for Cross-Modality MR Image Inference.- 3D Convolutional Neural Network and Stacked Bidirectional Recurrent Neural Network for Alzheimer's Disease Diagnosis.- Generative Adversarial Training for MRA Image Synthesis Using Multi-Contrast MRI.- Diffusion MRI Spatial Super-Resolution Using Generative Adversarialv Networks.- Prediction to Atrial Fibrillation Using Deep Convolutional Neural Networks.
Több
Netter's Neuroscience Flash Cards
13 267 Ft
11 543 Ft
