- Standort
-
Deutsche Nationalbibliothek Frankfurt am Main
- ISSN
-
1432-2315
- Umfang
-
Online-Ressource
- Sprache
-
Englisch
- Anmerkungen
-
online resource.
- Erschienen in
-
VisGIL: machine learning-based visual guidance for interactive labeling ; day:25 ; month:9 ; year:2022 ; pages:1-23
The visual computer ; (25.9.2022), 1-23
- Urheber
-
Grimmeisen, Benedikt
Chegini, Mohammad
Theissler, Andreas
- Beteiligte Personen und Organisationen
-
SpringerLink (Online service)
- DOI
-
10.1007/s00371-022-02648-2
- URN
-
urn:nbn:de:101:1-2022121221102242809982
- Rechteinformation
-
Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Letzte Aktualisierung
-
15.05.0093, 06:20 MEZ
Datenpartner
Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Beteiligte
- Grimmeisen, Benedikt
- Chegini, Mohammad
- Theissler, Andreas
- SpringerLink (Online service)
Ähnliche Objekte (12)
Guidance for industry: patient-reported outcome measures: use in medical product development to support labeling claims: draft guidance
Towards machine learning-based quantitative hyperspectral image guidance for brain tumor resection
"G.I.L."
A deep learning-based automated algorithm for labeling coronary arteries in computed tomography angiography images
Vis-à-vis
Vis-a-Vis
Vis à vis
Vis A Vis
Vis à Vis.
Gil- Glö
Kamm, Gil
Gil Braltar
Guidance for industry: patient-reported outcome measures: use in medical product development to support labeling claims: draft guidance
Towards machine learning-based quantitative hyperspectral image guidance for brain tumor resection
"G.I.L."
A deep learning-based automated algorithm for labeling coronary arteries in computed tomography angiography images
Vis-à-vis
Vis-a-Vis
Vis à vis
Vis A Vis
Vis à Vis.
Gil- Glö
Kamm, Gil
Gil Braltar
Guidance for industry: patient-reported outcome measures: use in medical product development to support labeling claims: draft guidance
Towards machine learning-based quantitative hyperspectral image guidance for brain tumor resection
"G.I.L."
A deep learning-based automated algorithm for labeling coronary arteries in computed tomography angiography images
Vis-à-vis
Vis-a-Vis
Vis à vis
Vis A Vis
Vis à Vis.
Gil- Glö
Kamm, Gil