Apprentissage profond pour l'analyse d'images médicales

Note :   (2,0 sur 5)

Apprentissage profond pour l'analyse d'images médicales (Kevin Zhou)

Avis des lecteurs

Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.

Titre original :

Deep Learning for Medical Image Analysis

Contenu du livre :

L'apprentissage profond apporte des solutions passionnantes aux problèmes d'analyse d'images médicales et est considéré comme une méthode clé pour les applications futures.

Ce livre permet de comprendre clairement les principes et les méthodes des réseaux neuronaux et des concepts d'apprentissage profond, en montrant comment les algorithmes qui intègrent l'apprentissage profond en tant que composant central ont été appliqués à la détection, à la segmentation et à l'enregistrement d'images médicales, ainsi qu'à l'analyse assistée par ordinateur, en utilisant une grande variété de domaines d'application. Deep Learning for Medical Image Analysis est une excellente ressource d'apprentissage pour les chercheurs universitaires et industriels dans le domaine de l'analyse de l'imagerie médicale, et pour les étudiants de troisième cycle qui suivent des cours sur l'apprentissage automatique et l'apprentissage profond pour la vision par ordinateur et l'informatique et l'analyse de l'image médicale.

Autres informations sur le livre :

ISBN :9780128104088
Auteur :
Éditeur :
Reliure :Broché
Année de publication :2017
Nombre de pages :458

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Apprentissage profond pour l'analyse d'images médicales - Deep Learning for Medical Image...
L'apprentissage profond apporte des solutions...
Apprentissage profond pour l'analyse d'images médicales - Deep Learning for Medical Image Analysis

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© 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)