
Classification d'Images Radiologiques Par Apprentissage Profond Optimise
Editions Notre Savoir (Publisher)
Published on 21. October 2021
Book
Paperback/Softback
72 pages
978-620-4-17163-0 (ISBN)
Description
Les réseaux neuronaux convolutifs profonds, ou simplement les réseaux neuronaux convolutifs (CNN), sont récemment devenus l'un des modèles d'apprentissage les plus puissants et les plus expressifs pour la reconnaissance des formes d'images, le traitement des images médicales, la vision par ordinateur, la reconnaissance optique des caractères et la reconnaissance de l'écriture manuscrite, etc. qui permettent d'effectuer des tâches de classification, tant binaires que catégorielles, de manière efficace et simple. En plus de sa large utilisation dans divers domaines et champs, il a gagné en popularité et en reconnaissance dans le domaine des sciences médicales, car divers rapports médicaux sont aujourd'hui très fiables sur la reconnaissance d'images basée sur l'apprentissage profond. Dans ce livre, nous avons formé un modèle de réseau neuronal structuré profond, qui est essentiellement un modèle CNN sur un grand ensemble de données d'images radiographiques appelé MURA (Musculoskeletal Radiographs Abnormality) et nous avons essayé de prédire les anomalies d'une image radiographique (si une image est normale ou anormale) sur la base de classifications binaires.
More details
Language
French
Product notice
Paperback (trade)
Unsewn / adhesive bound
Dimensions
Height: 220 mm
Width: 150 mm
Thickness: 5 mm
Weight
125 gr
ISBN-13
978-620-4-17163-0 (9786204171630)
Copyright in bibliographic data and cover images is held by Nielsen Book Services Limited or by the publishers or by their respective licensors: all rights reserved.
Schweitzer Classification
Persons
El Dr. Mahesh Jangid es profesor asociado del Departamento de Ciencias e Ingeniería Informática de la Universidad de Manipal, Jaipur, y cuenta con 11 años de experiencia en la enseñanza y la investigación en prestigiosas instituciones académicas. Tiene un historial académico impecable y un gran interés por la investigación. Está cualificado para GATE, SET y NET.