Data & IT
Pocket
Classification d'Images Radiologiques Par Apprentissage Profond Optimis
Mahesh Jangid • Shubhajit Panda • Sandeep Chaurasia
759:-
Uppskattad leveranstid 7-11 arbetsdagar
Fri frakt för medlemmar vid köp för minst 249:-
Les rseaux neuronaux convolutifs profonds, ou simplement les rseaux neuronaux convolutifs (CNN), sont rcemment devenus l'un des modles d'apprentissage les plus puissants et les plus expressifs pour la reconnaissance des formes d'images, le traitement des images mdicales, la vision par ordinateur, la reconnaissance optique des caractres et la reconnaissance de l'criture manuscrite, etc. qui permettent d'effectuer des tches de classification, tant binaires que catgorielles, de manire efficace et simple. En plus de sa large utilisation dans divers domaines et champs, il a gagn en popularit et en reconnaissance dans le domaine des sciences mdicales, car divers rapports mdicaux sont aujourd'hui trs fiables sur la reconnaissance d'images base sur l'apprentissage profond. Dans ce livre, nous avons form un modle de rseau neuronal structur profond, qui est essentiellement un modle CNN sur un grand ensemble de donnes d'images radiographiques appel MURA (Musculoskeletal Radiographs Abnormality) et nous avons essay de prdire les anomalies d'une image radiographique (si une image est normale ou anormale) sur la base de classifications binaires.
- Format: Pocket/Paperback
- ISBN: 9786204171630
- Språk: Engelska
- Antal sidor: 72
- Utgivningsdatum: 2021-10-21
- Förlag: Editions Notre Savoir