Datensatz Zitierlink: 
http://hdl.handle.net/20.500.12708/208727
-
Titel: 
On the Importance of Local and Global Feature Learning for Automated Measurable Residual Disease Detection in Flow Cytometry Data
en
Zitat: 
Weijler, L., Reiter, M., Hermosilla, P., Maurer-Granofszky, M., & Dworzak, M. (2025). On the Importance of Local and Global Feature Learning for Automated Measurable Residual Disease Detection in Flow Cytometry Data. In A. Antonacopoulos, S. Chaudhuri, R. Chellappa, Cl. Liu, S. Bhattacharya, & U. Pal (Eds.), Pattern Recognition (pp. 316–331). https://doi.org/10.1007/978-3-031-78198-8_21
-
Verlags-DOI: 
10.1007/978-3-031-78198-8_21
-
Publikationstyp: 
Konferenzbeitrag - Full-Paper Contribution
de
Sprache: 
Englisch
-
Autor_innen: 
Weijler, Lisa 
Reiter, Michael 
Hermosilla, Pedro 
Maurer-Granofszky, Margarita 
Dworzak, Michael 
-
Organisations­einheit: 
E193-01 - Forschungsbereich Computer Vision 
-
Erschienen in: 
Pattern Recognition 
-
ISBN: 
978-3-031-78198-8
-
Band: 
15312
-
Datum (veröffentlicht): 
2025
-
Veranstaltungs­name: 
27th International Conference on Pattern Recognition (ICPR 2024) 
en
Veranstaltungs­zeitraum: 
1-Dez-2024 - 5-Dez-2024
-
Veranstaltungs­ort: 
Kolkata, Indien
-
Umfang: 
16
-
Peer Reviewed: 
Ja
-
Keywords: 
Flow Cytometry; Automated MRD Detection; Deep Learning; Self-Attention; Graph Neural Networks
en
Projekttitel: 
MyeFLOW- Automated minimal residual disease assessment in childhood acute myeloid leukemia: 2883041 (Wirtschaftsagentur Wien Ein Fonds der Stadt Wien) 
-
Forschungs­schwerpunkte: 
Visual Computing and Human-Centered Technology: 100%
-
Wissenschafts­zweig: 
1020 - Informatik: 90%
1010 - Mathematik: 10%
-
Enthalten in den Sammlungen:
Conference Paper

Zur Langanzeige

Seiten Aufrufe

89
aufgerufen am 14.01.2025

Google ScholarTM

Check