Titre original :
Deep Learning for Chest Radiographs: Computer-Aided Classification
Contenu du livre :
Deep Learning for Chest Radiographs énumère les différentes stratégies mises en œuvre par les auteurs pour concevoir un système efficace de classification assistée par ordinateur (CAC) basé sur un réseau neuronal de convolution pour la classification binaire des radiographies du thorax en "Normal" et "Pneumonie". La pneumonie est une maladie infectieuse principalement causée par une bactérie ou un virus. Les principales cibles de cette maladie infectieuse sont les enfants de moins de 5 ans et les adultes de plus de 65 ans, principalement en raison de leur faible immunité et de leur taux de guérison plus bas. Au niveau mondial, la pneumonie a une empreinte prévalente et tue plus d'enfants que toute autre maladie immunitaire, causant jusqu'à 15 % des décès d'enfants par an, en particulier dans les pays en développement. Parmi toutes les modalités d'imagerie disponibles, telles que la tomodensitométrie, la radiographie, l'imagerie par résonance magnétique, l'échographie, etc., les radiographies du thorax sont les plus utilisées pour le diagnostic différentiel entre un état normal et une pneumonie. Dans les conceptions de systèmes CAC mises en œuvre dans cet ouvrage, un total de 200 images de radiographie thoracique, comprenant 100 images normales et 100 images de pneumonie, a été utilisé. Ces radiographies sont complétées par des transformations géométriques, telles que la rotation, la translation et le retournement, afin d'augmenter la taille de l'ensemble de données pour un apprentissage efficace des réseaux neuronaux convolutifs (CNN).
Au total, 12 expériences ont été menées pour la classification binaire des radiographies du thorax en Normal et Pneumonie. Il comprend également des stratégies de mise en œuvre approfondies de l'expérimentation exhaustive réalisée à l'aide d'approches basées sur l'apprentissage par transfert avec fusion de décisions, extraction de caractéristiques profondes, sélection de caractéristiques, réduction de la dimensionnalité des caractéristiques et classificateurs basés sur l'apprentissage automatique pour la mise en œuvre de systèmes CAC basés sur le CNN de bout en bout, de systèmes CAC basés sur le CNN léger et de systèmes CAC hybrides pour les radiographies du thorax.
Cet ouvrage constitue une ressource précieuse pour les universitaires, les chercheurs, les cliniciens, les étudiants de troisième cycle et les étudiants diplômés en imagerie médicale, en diagnostic assisté par ordinateur, en science et ingénierie informatique, en ingénierie électrique et électronique, en ingénierie biomédicale, en bio-informatique, en bio-ingénierie, ainsi que pour les professionnels du secteur des technologies de l'information.
Autres informations sur le livre :
| ISBN : | 9780323901840 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 228 |
Achat:
Actuellement disponible, en stock.
