.css-1xsl8rf{width:100%;display:-webkit-box;display:-webkit-flex;display:-ms-flexbox;display:flex;-webkit-align-items:center;-webkit-box-align:center;-ms-flex-align:center;align-items:center;position:relative;overflow:hidden;background:var(--alert-bg);-webkit-padding-start:var(--chakra-space-4);padding-inline-start:var(--chakra-space-4);-webkit-padding-end:var(--chakra-space-4);padding-inline-end:var(--chakra-space-4);padding-top:var(--chakra-space-1);padding-bottom:var(--chakra-space-1);--alert-fg:var(--chakra-colors-orange-600);--alert-bg:var(--chakra-colors-orange-100);font-weight:var(--chakra-fontWeights-semibold);padding-left:var(--chakra-space-4);}.chakra-ui-dark .css-1xsl8rf:not([data-theme]),[data-theme=dark] .css-1xsl8rf:not([data-theme]),.css-1xsl8rf[data-theme=dark]{--alert-fg:var(--chakra-colors-orange-200);--alert-bg:rgba(251, 211, 141, 0.16);}@media screen and (min-width: 48em){.css-1xsl8rf{padding-left:var(--chakra-space-8);}}Bitte aktivieren Sie Javascript um alle Funktionen nutzen zu können und ihre Nutzererfahrung zu verbessern.

Misha Kaandorp

Trondheim, NO

St. Olav's University Hospital

Einsätze

07.10.2023

Poster
LB296
Attention models for incorporating spatial information in deep learning parameter estimation applied to intravoxel incoherent motion