Cantitate/Preț
Produs
Total produse
Vezi coșul
Deep Learning for Medical Image Analysis de S. Kevin Zhou

Deep Learning for Medical Image Analysis: The MICCAI Society book Series

Editat de S. Kevin Zhou, Hayit Greenspan, Dinggang Shen
en Limba Engleză Paperback – 31 ian 2017

Observăm că principala provocare în analiza modernă a imaginilor medicale nu este doar volumul datelor, ci precizia algoritmilor de segmentare și înregistrare în context clinic. Volumul de față abordează direct această problemă, oferind un cadru tehnic riguros pentru implementarea soluțiilor de învățare profundă (deep learning) în diagnosticul asistat de calculator. Găsim în această carte o progresie logică: de la bazele teoretice ale rețelelor neuronale convoluționale (CNN) și recurente (RNN), la aplicații complexe de parsare eficientă a imaginilor medicale și interpretare automată.

Notăm cu interes modul în care sunt structurate cele 458 de pagini, începând cu arhitecturile fundamentale (Autoencodere, RBM) și avansând rapid spre studii de caz aplicate, precum analiza radiografiilor toracice sau a patologiilor microscopice. Această abordare diferă de cea din Medical Image Analysis de Alejandro Frangi prin faptul că este mai puțin axată pe conceptele metodologice abstracte și mult mai aplicabilă, concentrându-se pe integrarea algoritmilor ca elemente de bază în sisteme de detecție și recunoaștere multi-etapă.

Deep Learning for Medical Image Analysis reprezintă o evoluție firească în opera editorului S. Kevin Zhou. Dacă în lucrarea sa anterioară, Medical Image Recognition, Segmentation and Parsing, accentul era pus pe soluțiile clasice de învățare automată, volumul actual rafinează aceste tehnici prin prisma rețelelor de mare adâncime. Fiind parte din seria The MICCAI Society book Series, lucrarea beneficiază de rigoarea academică specifică celei mai importante conferințe din domeniu, oferind cercetătorilor și studenților de la nivel masteral sau doctoral instrumentele necesare pentru a naviga complexitatea interpretării automate a imaginilor de tip CT, RM sau ultrasunete.

Citește tot Restrânge

Din seria The MICCAI Society book Series

Preț: 55602 lei

Preț vechi: 92562 lei
-40%

Puncte Express: 834
Paperback (2) de la 55602 lei

Carte tipărită la comandă

Livrare economică 25 mai-08 iunie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9780128104088
ISBN-10: 0128104082
Pagini: 458
Dimensiuni: 191 x 235 x 34 mm
Greutate: 0.78 kg
Editura: ELSEVIER SCIENCE
Seria The MICCAI Society book Series

Public țintă

Academic and industry researchers and graduate students in medical imaging, computer vision, and biomedical engineering.

De ce să citești această carte

Recomandăm această lucrare inginerilor și cercetătorilor care au nevoie de o punte solidă între teoria rețelelor neuronale și implementarea lor în imagistica medicală. Cititorul câștigă acces la metodologii validate de comunitatea MICCAI pentru probleme critice de segmentare și detecție. Este un instrument esențial pentru oricine dorește să dezvolte sisteme de diagnostic asistat de calculator performante, trecând dincolo de modelele generice către soluții adaptate anatomiei umane.

Cuprins

PART 1: INTRODUCTION
1. An introduction to neural network and deep learning (covering CNN, RNN, RBM, Autoencoders)
Heung-Il Suk
2. An Introduction to Deep Convolutional Neural Nets for Computer Vision
Suraj Srinivas, Ravi K. Sarvadevabhatla, Konda R. Mopuri, Nikita Prabhu, Srinivas S.S. Kruthiventi and R. Venkatesh Babu
PART 2: MEDICAL IMAGE DETECTION AND RECOGNITION
3. Efficient Medical Image Parsing
Florin C. Ghesu, Bogdan Georgescu and Joachim Hornegger
4. Multi-Instance Multi-Stage Deep Learning for Medical Image Recognition
Zhennan Yan, Yiqiang Zhan, Shaoting Zhang, Dimitris Metaxas and Xiang Sean Zhou
5. Automatic Interpretation of Carotid Intima–Media Thickness Videos Using Convolutional Neural Networks 
Nima Tajbakhsh, Jae Y. Shin, R. Todd Hurst, Christopher B. Kendall and Jianming Liang
6. Deep Cascaded Networks for Sparsely Distributed Object Detection from Medical Images
Hao Chen, Qi Dou, Lequan Yu, Jing Qin, Lei Zhao, Vincent C.T. Mok, Defeng Wang, Lin Shi and Pheng-Ann Heng
7. Deep Voting and Structured Regression for Microscopy Image Analysis
Yuanpu Xie, Fuyong Xing and Lin Yang
PART 3 MEDICAL IMAGE SEGMENTATION
8. Deep Learning Tissue Segmentation in Cardiac Histopathology Images
Jeffrey J. Nirschl, Andrew Janowczyk, Eliot G. Peyster, Renee Frank, Kenneth B. Margulies, Michael D. Feldman and Anant Madabhushi
9. Deformable MR Prostate Segmentation via Deep Feature Learning and Sparse Patch Matching
Yanrong Guo, Yaozong Gao and Dinggang Shen
10. Characterization of Errors in Deep Learning-Based Brain MRI Segmentation
Akshay Pai, Yuan-Ching Teng, Joseph Blair, Michiel Kallenberg, Erik B. Dam, Stefan Sommer, Christian Igel and Mads Nielsen
PART 4 MEDICAL IMAGE REGISTRATION
11. Scalable High Performance Image Registration Framework by Unsupervised Deep Feature Representations Learning
Shaoyu Wang, Minjeong Kim, Guorong Wu and Dinggang Shen
12. Convolutional Neural Networks for Robust and Real-Time 2-D/3-D Registration
Shun Miao, Jane Z. Wang and Rui Liao
PART 5 COMPUTER-AIDED DIAGNOSIS AND DISEASE QUANTIFICATION
13. Chest Radiograph Pathology Categorization via Transfer Learning
Idit Diamant, Yaniv Bar, Ofer Geva, Lior Wolf, Gali Zimmerman, Sivan Lieberman, Eli Konen and Hayit Greenspan
14. Deep Learning Models for Classifying Mammogram Exams Containing Unregistered Multi-View Images and Segmentation Maps of Lesions
Gustavo Carneiro, Jacinto Nascimento and Andrew P. Bradley
15. Randomized Deep Learning Methods for Clinical Trial Enrichment and Design in Alzheimer’s Disease
Vamsi K. Ithapu, Vikas Singh and Sterling C. Johnson
16. Deep Networks and Mutual Information Maximization for Cross-Modal Medical Image Synthesis
Raviteja Vemulapalli, Hien Van Nguyen and S.K. Zhou
17. Natural Language Processing for Large-Scale Medical Image Analysis Using Deep Learning
Hoo-Chang Shin, Le Lu and Ronald M. Summers

Descriere

Deep learning is providing exciting solutions for medical image analysis problems and is seen as a key method for future applications. This book gives a clear understanding of the principles and methods of neural network and deep learning concepts, showing how the algorithms that integrate deep learning as a core component have been applied to medical image detection, segmentation and registration, and computer-aided analysis, using a wide variety of application areas.
Deep Learning for Medical Image Analysis is a great learning resource for academic and industry researchers in medical imaging analysis, and for graduate students taking courses on machine learning and deep learning for computer vision and medical image computing and analysis.
 

  • Covers common research problems in medical image analysis and their challenges
  • Describes deep learning methods and the theories behind approaches for medical image analysis
  • Teaches how algorithms are applied to a broad range of application areas, includingChest X-ray, breast CAD, lung and chest, microscopy and pathology, etc.

"