Atnaujinkite slapukų nuostatas

El. knyga: Computational Methods and Clinical Applications for Spine Imaging: 6th International Workshop and Challenge, CSI 2019, Shenzhen, China, October 17, 2019, Proceedings

Edited by , Edited by , Edited by , Edited by , Edited by
  • Formatas: EPUB+DRM
  • Serija: Lecture Notes in Computer Science 11963
  • Išleidimo metai: 31-Jan-2020
  • Leidėjas: Springer Nature Switzerland AG
  • Kalba: eng
  • ISBN-13: 9783030397524
  • Formatas: EPUB+DRM
  • Serija: Lecture Notes in Computer Science 11963
  • Išleidimo metai: 31-Jan-2020
  • Leidėjas: Springer Nature Switzerland AG
  • Kalba: eng
  • ISBN-13: 9783030397524

DRM apribojimai

  • Kopijuoti:

    neleidžiama

  • Spausdinti:

    neleidžiama

  • El. knygos naudojimas:

    Skaitmeninių teisių valdymas (DRM)
    Leidykla pateikė šią knygą šifruota forma, o tai reiškia, kad norint ją atrakinti ir perskaityti reikia įdiegti nemokamą programinę įrangą. Norint skaityti šią el. knygą, turite susikurti Adobe ID . Daugiau informacijos  čia. El. knygą galima atsisiųsti į 6 įrenginius (vienas vartotojas su tuo pačiu Adobe ID).

    Reikalinga programinė įranga
    Norint skaityti šią el. knygą mobiliajame įrenginyje (telefone ar planšetiniame kompiuteryje), turite įdiegti šią nemokamą programėlę: PocketBook Reader (iOS / Android)

    Norint skaityti šią el. knygą asmeniniame arba „Mac“ kompiuteryje, Jums reikalinga  Adobe Digital Editions “ (tai nemokama programa, specialiai sukurta el. knygoms. Tai nėra tas pats, kas „Adobe Reader“, kurią tikriausiai jau turite savo kompiuteryje.)

    Negalite skaityti šios el. knygos naudodami „Amazon Kindle“.

This book constitutes the proceedings of the 7th International Workshop and Challenge on Computational Methods and Clinical Applications for Spine Imaging, CSI 2019, which was held in conjunction with MICCAI on October 17, 2019, in Shenzhen, China. 
All submissions were accepted for publication; the book contains 5 peer-reviewed regular papers, covering topics of vertrebra detection, spine segmentation and image-based diagnosis, and 9 challenge papers, investigating (semi-)automatic spinal curvature estimation algorithms and providing a standard evaluation framework with a set of x-ray images. 
Regular Papers.- Detection of vertebral fractures in CT using 3D Convolutional Neural Networks.- Metastatic Vertebrae Segmentation for Use in a Clinical Pipeline.- Conditioned Variational Auto-Encoder for Detecting Osteoporotic Vertebral Fractures.- Vertebral Labelling in Radiographs: Learning a Coordinate Corrector to Enforce Spinal Shape.- Semi-supervised semantic segmentation of multiple lumbosacral structures on CT.- AASCE Challenge.- Accurate Automated Keypoint Detections for Spinal Curvature Estimation.- Seg4Reg Networks for Automated Spinal Curvature Estimation.- Automatic Spine Curvature Estimation by a Top-down Approach.- Automatic Cobb Angle Detection using Vertebra Detector and Vertebra Corners Regression.- Automated Estimation of the Spinal Curvature via Spine Centerline Extraction with Ensembles of Cascaded Neural Networks.- Automated Spinal Curvature Assessment from X-Ray Images using Landmarks Estimation Network via Rotation Proposals.- A coarse-to-fine deep heatmap regression method for Adolescent Idiopathic Scoliosis Assessment.- Spinal Curve Guide Network(SCG-Net) for Accurate Automated Spinal Curvature Estimation.- A Multi-Task Learning Method for Direct Estimation of Spinal Curvature.