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 – 27 noi 2023

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: 57889 lei

Preț vechi: 95166 lei
-39%

Puncte Express: 868
Paperback (2) de la 55602 lei

Carte tipărită la comandă

Livrare economică 23 mai-06 iunie
Livrare express 25 aprilie-01 mai pentru 24765 lei

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9780323851244
ISBN-10: 032385124X
Pagini: 518
Ilustrații: 165 illustrations (135 in full color)
Dimensiuni: 191 x 235 x 30 mm
Greutate: 1.26 kg
Ediția:2
Editura: ELSEVIER SCIENCE
Seria The MICCAI Society book Series

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.

Descriere scurtă

Deep Learning for Medical Image Analysis, Second Edition is a great learning resource for academic and industry researchers and graduate students taking courses on machine learning and deep learning for computer vision and medical image computing and analysis. Deep learning provides exciting solutions for medical image analysis problems and is 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 are applied to medical image detection, segmentation, registration, and computer-aided analysis.

  • Covers common research problems in medical image analysis and their challenges
  • Describes the latest deep learning methods and the theories behind approaches for medical image analysis
  • Teaches how algorithms are applied to a broad range of application areas including cardiac, neural and functional, colonoscopy, OCTA applications and model assessment· Includes a Foreword written by Nicholas Ayache

Cuprins

1. An Introduction to Neural Networks and Deep Learning
2. Deep reinforcement learning in medical imaging
3. CapsNet for medical image segmentation
4.Transformer for Medical Image Analysis
5. An overview of disentangled representation learning for MR images
6. Hypergraph Learning and Its Applications for Medical Image Analysis
7. Unsupervised Domain Adaptation for Medical Image Analysis
8. Medical image synthesis and reconstruction using generative adversarial networks
9. Deep Learning for Medical Image Reconstruction
10. Dynamic inference using neural architecture search in medical image segmentation
11. Multi-modality cardiac image analysis with deep learning
12. Deep Learning-based Medical Image Registration
13. Data-driven learning strategies for biomarker detection and outcome prediction in Autism from task-based fMRI
14. Deep Learning in Functional Brain Mapping and associated applications
15. Detecting, Localising, and Classifying Polyps from Colonoscopy Videos Using Deep Learning
16. OCTA Segmentation with limited training data using disentangled represenatation learning
17. Considerations in the Assessment of Machine Learning Algorithm Performance for Medical Imaging

Descriere

Descriere de la o altă ediție sau format:

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.

"