• Fri frakt över 249 kr
  • •
  • Snabba leveranser
  • •
  • Billiga böcker
Kundservice

Du är på sajten för privatpersoner.

Företag, bibliotek eller offentlig verksamhet?

Du handlar på classic.bokus.com, där alla dina funktioner finns intakta.
Till classic.bokus.com
Bokus logotyp. Gå till startsidan.
  • Erbjudanden
  • Nyheter
  • Student
  • Topplistor
  • Barn & ungdom
  • Bokus Play
  • E-böcker
  • Pocketböcker
  • Spel & pussel

10% rabatt på allt med kod: NYSTART10 →

Sidfot

Mina sidor

    Hjälp

    • Kundservice
    • Vanliga frågor och svar
    • Frakt och leverans
    • Retur vid ångerrätt
    • Reklamera vara
    • Betalning
    • Köpvillkor
    • Allmänna villkor
    • Information om webbplatsens tillgänglighet

    Om Bokus

    • Om oss
    • Pressrum
    • För studenter
    • För företag
    • För bibliotek och offentlig verksamhet
    • För leverantörer
    • Hållbarhet

    Populärt

    • Aktuella erbjudanden
    • Presentkort
    • Studentlitteratur
    • Nya böcker
    • Topplistor
    • Signerade böcker
    • Engelska böcker

    Inspiration

    • Boktips
    • BookTok
    • Populära bokserier
    • Barnbokskaraktärer
    • Populära författare
    Logotyp för Bokus
    Följ oss på Facebook (extern länk)Följ oss på Instagram (extern länk)Följ oss på YouTube (extern länk)Följ oss på TikTok (extern länk)
    bokus @ CookiesAnpassa cookiesIntegritetspolicyKöpvillkor
    Till Citymail hemsida (extern länk)Till Budbee hemsida (extern länk)Till Postnord hemsida (extern länk)Till Schenker hemsida (extern länk)Till Early Bird hemsida (extern länk)Till Walleys hemsida (extern länk)
    1. Data och IT
    2. Systemvetenskap och AI

    Uncertainty for Safe Utilization of Machine Learning in Medical Imaging

    4th International Workshop, UNSURE 2022, Held in Conjunction with MICCAI 2022, Singapore, September 18, 2022, Proceedings

    AvCarole H. Sudre,Christian F. Baumgartner

    Häftad, Engelska, 2022

    Del 13563 i serien Lecture Notes in Computer Science

    618 kr

    Beställningsvara. Skickas inom 10-15 vardagar. Fri frakt över 249 kr.

    Beskrivning

    This book constitutes the refereed proceedings of the Fourth Workshop on Uncertainty for Safe Utilization of Machine Learning in Medical Imaging, UNSURE 2022, held in conjunction with MICCAI 2022. The conference was hybrid event held from Singapore. For this workshop, 13 papers from 22 submissions were accepted for publication. They focus on developing awareness and encouraging research in the field of uncertainty modelling to enable safe implementation of machine learning tools in the clinical world.

    Produktinformation

    • Utgivningsdatum:2022-09-18
    • Mått:155 x 235 x 9 mm
    • Vikt:254 g
    • Format:Häftad
    • Språk:Engelska
    • Serie:Lecture Notes in Computer Science
    • Antal sidor:147
    • Förlag:Springer International Publishing AG
    • ISBN:9783031167485

    Utforska kategorier

    • Systemvetenskap och AI inom Data och IT
    • Informationsteknik: allmänt inom Data och IT
    • Artificiell intelligens inom Data och IT

    Innehållsförteckning

    • Uncertainty Modelling.- MOrphologically-aware Jaccard-based ITerative Optimization (MOJITO) for Consensus Segmentation.- Quantification of Predictive Uncertainty via Inference-Time Sampling.- Uncertainty categories in medical image segmentation: a study of source-related diversity..- On the pitfalls of entropy-based uncertainty for multi-class semi-supervised segmentation.- What Do Untargeted Adversarial Examples Reveal In Medical Image Segmentation?..- Uncertainty calibration.- Improved post-hoc probability calibration for out-of-domain MRI segmentation..- Improving error detection in deep learning-based radiotherapy autocontouring using Bayesian uncertainty.- A Plug-and-Play Method to Compute Uncertainty.- Calibration of Deep Medical Image Classifiers: An Empirical Comparison using Dermatology and Histopathology Datasets.- Annotation uncertainty and out of distribution management.- nnOOD: A Framework for Benchmarking Self-supervised Anomaly Localisation Methods.- Generalized Probabilistic U-Net for medical image segmentation.- Joint paraspinal muscle segmentation and inter-rater labeling variability prediction with multi-task TransUNet.- Information Gain Sampling for Active Learning in Medical Image Classification.