دانلود کتاب 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
کتاب تفسیرپذیری هوش ماشینی در محاسبات تصویر پزشکی و یادگیری چندوجهی برای پشتیبانی تصمیم‌گیری بالینی: دومین کارگاه بین‌المللی، iMIMIC 2019، و نهمین کارگاه بین‌المللی، ML-CDS 2019، که در ارتباط با MICCAI 2019، شنژن، چین، 17 اکتبر 2019 برگزار شد. نسخه زبان اصلی
دانلود کتاب تفسیرپذیری هوش ماشینی در محاسبات تصویر پزشکی و یادگیری چندوجهی برای پشتیبانی تصمیم‌گیری بالینی: دومین کارگاه بین‌المللی، iMIMIC 2019، و نهمین کارگاه بین‌المللی، ML-CDS 2019، که در ارتباط با MICCAI 2019، شنژن، چین، 17 اکتبر 2019 برگزار شد. بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
توضیحاتی در مورد کتاب 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
نام کتاب : 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
ویرایش : 1st ed. 2019
عنوان ترجمه شده به فارسی : تفسیرپذیری هوش ماشینی در محاسبات تصویر پزشکی و یادگیری چندوجهی برای پشتیبانی تصمیم‌گیری بالینی: دومین کارگاه بین‌المللی، iMIMIC 2019، و نهمین کارگاه بین‌المللی، ML-CDS 2019، که در ارتباط با MICCAI 2019، شنژن، چین، 17 اکتبر 2019 برگزار شد.
سری : Lecture Notes in Computer Science 11797
نویسندگان : Kenji Suzuki, Mauricio Reyes, Tanveer Syeda-Mahmood, Ender Konukoglu, Ben Glocker, Roland Wiest, Yaniv Gur, Hayit Greenspan, Anant Madabhushi
ناشر : Springer International Publishing
سال نشر : 2019
تعداد صفحات : XVI, 93
[103]
ISBN (شابک) : 978-3-030-338 , 978-3-030-338
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 13 Mb
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب مجموعه مقالات مشترک داوری دومین کارگاه بین المللی تفسیرپذیری هوش ماشینی در محاسبات تصویر پزشکی، iMIMIC 2019، و نهمین کارگاه بین المللی یادگیری چندوجهی برای پشتیبانی تصمیم گیری بالینی، ML-CDS 2019 است که برگزار شد. در ارتباط با بیست و دومین کنفرانس بین المللی تصویربرداری پزشکی و مداخلات به کمک کامپیوتر، MICCAI 2019، در شنژن، چین، در اکتبر 2019.
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 مورد ارسالی به iMIMIC و ارسال های متعدد به ML-CDS انتخاب شد. مقالات iMIMIC بر معرفی چالش‌ها و فرصت‌های مرتبط با موضوع تفسیرپذیری سیستم‌های یادگیری ماشینی در زمینه تصویربرداری پزشکی و مداخله به کمک رایانه تمرکز دارند. مقالات ML-CDS در مورد یادگیری ماشین بر روی مجموعه داده های چندوجهی برای پشتیبانی تصمیم گیری بالینی و برنامه ریزی درمان بحث می کنند.
توضیحاتی در مورد کتاب به زبان اصلی :
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.
پست ها تصادفی