Machine Learning in Medical Imaging and Computer Vision
Les images médicales peuvent mettre en évidence les différences entre les tissus sains et les tissus malsains. Ces images peuvent ensuite être évaluées par un professionnel de la santé afin d'identifier le stade et la propagation d'une maladie et d'établir un plan de traitement. Les techniques d'apprentissage automatique étant de plus en plus répandues dans le secteur des soins de santé, des algorithmes peuvent être formés pour identifier les tissus sains ou malsains et les différencier rapidement. Des modèles statistiques peuvent être utilisés pour traiter de nombreuses images du même type en une fraction du temps qu'il faudrait à un être humain pour évaluer la même quantité, ce qui permet d'économiser du temps et de l'argent en aidant les praticiens dans leur évaluation.
Ce livre édité traite des processus d'extraction de caractéristiques, passe en revue les méthodes d'apprentissage profond pour les tâches de segmentation médicale, décrit les algorithmes d'optimisation et les techniques de régularisation, illustre les systèmes de classification et de récupération d'images, et met en lumière les outils de reconnaissance de texte, la théorie des jeux et la détection de la désinformation pour améliorer la prestation des soins de santé.
Machine Learning in Medical Imaging and Computer Vision présente l'état de la recherche sur l'intégration des technologies nouvelles et émergentes dans les domaines du traitement et de l'analyse de l'imagerie médicale. Ce livre décrit les orientations futures pour accroître l'efficacité des modèles d'imagerie conventionnels afin d'obtenir de meilleures performances dans les diagnostics ainsi que dans la caractérisation de conditions pathologiques complexes.
Ce livre s'adresse aux chercheurs et aux scientifiques du monde universitaire et de l'industrie dans les domaines de l'informatique et de l'ingénierie, de l'apprentissage automatique, du traitement de l'image, des technologies de la santé et des domaines connexes.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)