Buch, Englisch, 170 Seiten, Format (B × H): 191 mm x 235 mm, Gewicht: 360 g
Buch, Englisch, 170 Seiten, Format (B × H): 191 mm x 235 mm, Gewicht: 360 g
ISBN: 978-0-12-823504-1
Verlag: William Andrew Publishing
Deep Learning Models for Medical Imaging explains the concepts of Deep Learning (DL) and its importance in medical imaging and/or healthcare using two different case studies: a) cytology image analysis and b) coronavirus (COVID-19) prediction, screening, and decision-making, using publicly available datasets in their respective experiments. Of many DL models, custom Convolutional Neural Network (CNN), ResNet, InceptionNet and DenseNet are used. The results follow 'with' and 'without' transfer learning (including different optimization solutions), in addition to the use of data augmentation and ensemble networks. DL models for medical imaging are suitable for a wide range of readers starting from early career research scholars, professors/scientists to industrialists.
Zielgruppe
Engineers and biomedical engineers, medical imaging researchers and graduate students Clinical researchers
Autoren/Hrsg.
Fachgebiete
- Medizin | Veterinärmedizin Medizin | Public Health | Pharmazie | Zahnmedizin Medizin, Gesundheitswesen Medizinische Mathematik & Informatik
- Mathematik | Informatik EDV | Informatik Informatik Künstliche Intelligenz Maschinelles Lernen
- Medizin | Veterinärmedizin Medizin | Public Health | Pharmazie | Zahnmedizin Medizin, Gesundheitswesen Medizintechnik, Biomedizintechnik, Medizinische Werkstoffe
- Medizin | Veterinärmedizin Medizin | Public Health | Pharmazie | Zahnmedizin Medizinische Fachgebiete Bildgebende Verfahren, Nuklearmedizin, Strahlentherapie Radiologie, Bildgebende Verfahren
- Mathematik | Informatik EDV | Informatik Informatik Künstliche Intelligenz Computer Vision
- Technische Wissenschaften Sonstige Technologien | Angewandte Technik Medizintechnik, Biomedizintechnik
Weitere Infos & Material
1. Introduction 2. Deep learning: a review 3. Deep learning models 4. Cytology image analysis 5. COVID-19: prediction, screening, and decision-making