نام کتاب: Deep Learning And Convolutional Neural Networks For Medical Imaging And Clinical Informatics
نویسنده: Le Lu و Xiaosong Wang و Gustavo Carneiro و Lin Yang
ویرایش: ۱
سال انتشار: ۲۰۱۹
کد ISBN کتاب: ۹۷۸۳۰۳۰۱۳۹۶۸۱, ۹۷۸۳۰۳۰۱۳۹۶۹۸
فرمت: PDF
تعداد صفحه: ۴۶۱
انتشارات: Springer International Publishing
Description About Book Deep Learning And Convolutional Neural Networks For Medical Imaging And Clinical Informatics From Amazon
This book reviews the state of the art in deep learning approaches to high-performance robust disease detection, robust and accurate organ segmentation in medical image computing (radiological and pathological imaging modalities), and the construction and mining of large-scale radiology databases. It particularly focuses on the application of convolutional neural networks, and on recurrent neural networks like LSTM, using numerous practical examples to complement the theory.
The book’s chief features are as follows: It highlights how deep neural networks can be used to address new questions and protocols, and to tackle current challenges in medical image computing; presents a comprehensive review of the latest research and literature; and describes a range of different methods that employ deep learning for object or landmark detection tasks in 2D and 3D medical imaging. In addition, the book examines a broad selection of techniques for semantic segmentation using deep learning principles in medical imaging; introduces a novel approach to text and image deep embedding for a large-scale chest x-ray image database; and discusses how deep learning relational graphs can be used to organize a sizable collection of radiology findings from real clinical practice, allowing semantic similarity-based retrieval.
The intended reader of this edited book is a professional engineer, scientist or a graduate student who is able to comprehend general concepts of image processing, computer vision and medical image analysis. They can apply computer science and mathematical principles into problem solving practices. It may be necessary to have a certain level of familiarity with a number of more advanced subjects: image formation and enhancement, image understanding, visual recognition in medical applications, statistical learning, deep neural networks, structured prediction and image segmentation.
درباره کتاب Deep Learning And Convolutional Neural Networks For Medical Imaging And Clinical Informatics ترجمه شده از گوگل
این بررسی کتاب دولت از هنر در یادگیری عمیق نزدیک به کارایی بالا به تشخیص بیماری قوی، تقسیم بندی ارگان قوی و دقیق در محاسبات تصاویر پزشکی (روشهای تصویربرداری رادیولوژی و پاتولوژیک)، و ساخت و ساز و استخراج از پایگاه داده های رادیولوژی در مقیاس بزرگ. این به خصوص در استفاده از شبکه های عصبی کانولوشن تمرکز دارد، و در شبکه های عصبی راجعه مانند LSTM، با استفاده از نمونه های عملی متعددی برای تکمیل این نظریه است.
ویژگی های رئیس این کتاب به شرح زیر است: این برجسته چقدر عمیق شبکه های عصبی را می توان به آدرس پرسش ها و پروتکل های جدید استفاده می شود، و برای مقابله با چالش های موجود در تصاویر پزشکی محاسبه؛ ارائه یک بررسی جامع از آخرین تحقیقات و ادبیات؛ و توصیف وسیعی از روش های مختلف است که به کار یادگیری عمیق برای شی یا تشخیص نقطه عطفی وظایف در تصویربرداری پزشکی ۲D و ۳D. علاوه بر این، کتاب به بررسی انتخاب گسترده ای از تکنیک های برای تقسیم بندی معنایی با استفاده از اصول یادگیری عمیق در تصویربرداری پزشکی؛ معرفی رویکردی جدید در متن و تصویر عمیق برای پایگاه داده های تصویر رادیوگرافی قفسه سینه در مقیاس بزرگ تعبیه؛ و در مورد چگونگی یادگیری عمیق نمودار رابطه می توان برای سازماندهی یک مجموعه قابل توجهی از یافته های رادیولوژی از عملکرد بالینی واقعی، اجازه می دهد معنایی بازیابی مبتنی بر شباهت.
خواننده در نظر گرفته شده از این کتاب ویرایشیک مهندس حرفه ای، دانشمند و یا یک دانشجوی دوره کارشناسی ارشد که قادر به درک مفاهیم کلی از پردازش تصویر، بینایی کامپیوتر و تجزیه و تحلیل تصاویر پزشکی است. آنها می توانند علوم کامپیوتر و اصول ریاضی به شیوه های حل مسئله اعمال می شود. ممکن است لازم باشد به سطح معینی از آشنایی با تعدادی از افراد پیشرفته تر: تشکیل تصویر و ارتقاء، درک تصویر، تشخیص بصری در کاربردهای پزشکی، یادگیری آماری، شبکه های عصبی عمیق، پیش بینی ساختار و تقسیم بندی تصویر.
[box type=”info”]
جهت دسترسی به توضیحات این کتاب در Amazon اینجا کلیک کنید.
در صورت خراب بودن لینک کتاب، در قسمت نظرات همین مطلب گزارش دهید.
با خرید اشتراک، بدون محدودیت، کتاب دانلود کن!
