• Neu
Chen / Carass / Heinrich | Medical Image Registration | E-Book | www.sack.de
E-Book

E-Book, Englisch, 89 Seiten

Reihe: Computer Science (R0)

Chen / Carass / Heinrich Medical Image Registration

International Challenge, Learn2Reg 2025, Held in Conjunction with MICCAI 2025, Daejeon, South Korea, September 27–October 4, 2025, Proceedings
Erscheinungsjahr 2026
ISBN: 978-3-032-25169-5
Verlag: Springer International Publishing
Format: PDF
Kopierschutz: 1 - PDF Watermark

International Challenge, Learn2Reg 2025, Held in Conjunction with MICCAI 2025, Daejeon, South Korea, September 27–October 4, 2025, Proceedings

E-Book, Englisch, 89 Seiten

Reihe: Computer Science (R0)

ISBN: 978-3-032-25169-5
Verlag: Springer International Publishing
Format: PDF
Kopierschutz: 1 - PDF Watermark



This book constitutes the refereed proceedings of the International Challenge on Medical Image Registration, Learn2Reg 2025, held in conjunction with MICCAI 2025, which took place in Daejeon, South Korea, during September 27–October 4, 2025.

The 11 full papers presented in the proceedings were carefully selected and reviewed from 38 submissions.  The papers cover two principle sub-tasks: ReMIND2Reg and LUMIR.

Chen / Carass / Heinrich Medical Image Registration jetzt bestellen!

Zielgruppe


Research

Weitere Infos & Material


.- ReMIND2Reg.
.- Unsupervised MR-US Multimodal Image Registration with Multilevel Correlation Pyramidal Optimization.
.- In Gradients We Trust: NGF-Driven Registration for ReMIND 2025.
.- Gabor-Based Neighborhood Descriptor for MRI–iUS Brain Image Registration.
.- LUMIR.
.- Zero-shot Multi-Contrast Brain MRI Registration by Intensity Randomizing T1-weighted MRI (LUMIR25).
.- Strategies for Robust Deep Learning Based De formable Registration.
.- Unleashing the power of intensity augmentation for multi-modal image registration.
.- Adapting Frozen Mono-modal Backbones for Multi modal Registration via Contrast-Agnostic Instance Optimization.
.- Generalizable Learning-based Image Registration via Self-Supervised Multi-modal Representation Learning from Single-modal Data.
.- Swin-CNN Hybrid Framework for Enhanced De formable Image Registration.
.- Efficient Unsupervised Multimodal Brain MR Image Registration with Encoder-only Network.



Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.