یادگیری عمیق و شبکه های عصبی پیچشی برای محاسبات تصویربرداری پزشکی: پزشکی دقیق، عملکرد بالا و مجموعه داده های بزرگ مقیاس ۲۰۱۷
Deep Learning and Convolutional Neural Networks for Medical Image Computing: Precision Medicine, High Performance and Large-Scale Datasets 2017

دانلود کتاب یادگیری عمیق و شبکه های عصبی پیچشی برای محاسبات تصویربرداری پزشکی: پزشکی دقیق، عملکرد بالا و مجموعه داده های بزرگ مقیاس ۲۰۱۷ (Deep Learning and Convolutional Neural Networks for Medical Image Computing: Precision Medicine, High Performance and Large-Scale Datasets 2017) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده	Gustavo Carneiro, Le Lu, Lin Yang, Yefeng Zheng

ناشر: Springer International Publishing

دسته: بیوشیمی پزشکی, پزشکی, پیراپزشکی, فناوری های تصویربرداری

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار	2017
زبان	English
تعداد صفحه‌ها	326
نوع فایل	pdf
حجم	14 MB

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

هوش‌مصنوعی ترجمه کالیبو

توضیحات

معرفی کتاب یادگیری عمیق و شبکه های عصبی پیچشی برای محاسبات تصویربرداری پزشکی: پزشکی دقیق، عملکرد بالا و مجموعه داده های بزرگ مقیاس ۲۰۱۷

این کتاب به بررسی دقیق آخرین دستاوردهای رویکردهای یادگیری عمیق برای شناسایی و قطعه بندی معنایی اشیاء در محاسبات تصویربرداری پزشکی و داده کاوی پایگاه داده رادیولوژی در مقیاس بزرگ می پردازد. تمرکز ویژه ای بر کاربرد شبکه های عصبی کانولوشنال قرار داده شده است و نظریه با مثال های عملی پشتیبانی می شود. ویژگی ها: برجسته می کند که چگونه استفاده از شبکه های عصبی عمیق می تواند به سوالات و پروتکل های جدید پاسخ دهد و همچنین چالش های موجود در محاسبات تصویربرداری پزشکی را بهبود بخشد؛ به بحث در مورد تجربه ی تحقیقاتی روشنگر دکتر رونالد ام. سامرز می پردازد؛ یک بررسی جامع از آخرین تحقیقات و ادبیات ارائه می دهد؛ طیف وسیعی از روش های مختلف را شرح می دهد که از یادگیری عمیق برای وظایف شناسایی اشیا یا نقاط عطف در تصویربرداری پزشکی 2D و 3D استفاده می کنند؛ مجموعه ای متنوع از تکنیک ها برای قطعه بندی معنایی با استفاده از اصول یادگیری عمیق در تصویربرداری پزشکی را بررسی می کند؛ یک رویکرد نوین برای داده کاوی عمیق متن و تصویر در هم تنیده در یک پایگاه داده تصویر رادیولوژی در مقیاس بزرگ معرفی می کند.

توضیحات(انگلیسی)

This book presents a detailed review of the state of the art in deep learning approaches for semantic object detection and segmentation in medical image computing, and large-scale radiology database mining. A particular focus is placed on the application of convolutional neural networks, with the theory supported by practical examples. Features: highlights how the use of deep neural networks can address new questions and protocols, as well as improve upon existing challenges in medical image computing; discusses the insightful research experience of Dr. Ronald M. Summers; presents a comprehensive review of the latest research and literature; describes a range of different methods that make use of deep learning for object or landmark detection tasks in 2D and 3D medical imaging; examines a varied selection of techniques for semantic segmentation using deep learning principles in medical imaging; introduces a novel approach to interleaved text and image deep mining on a large-scale radiology image database.