Algorithme de réseaux neuronaux artificiels pour le diagnostic de la perte de cheveux chez l'homme - Sayyad, Dr. Shabnam
51,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Dans cet ouvrage, les réseaux de neurones artificiels (ANN) sont utilisés pour diagnostiquer la perte de cheveux chez les patients. Une maladie auto-immune connue sous le nom d'Alopecia Areata (AA) entraîne une perte de cheveux dans la zone affectée. Les chiffres les plus récents provenant du monde entier montrent que l'AA touche 1 personne sur 1000 et que son taux d'incidence est de 2%. Ainsi, la classification est importante dans le domaine de la médecine car l'un des principaux objectifs du médecin est d'établir si un patient est atteint ou non d'une pathologie. L'objectif de cette étude…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Dans cet ouvrage, les réseaux de neurones artificiels (ANN) sont utilisés pour diagnostiquer la perte de cheveux chez les patients. Une maladie auto-immune connue sous le nom d'Alopecia Areata (AA) entraîne une perte de cheveux dans la zone affectée. Les chiffres les plus récents provenant du monde entier montrent que l'AA touche 1 personne sur 1000 et que son taux d'incidence est de 2%. Ainsi, la classification est importante dans le domaine de la médecine car l'un des principaux objectifs du médecin est d'établir si un patient est atteint ou non d'une pathologie. L'objectif de cette étude est d'évaluer la précision des réseaux neuronaux pour la détection de l'alopécie chez les sujets humains. Les cheveux sains (HHs) et l'Alopecia Areata (AA) ont un cadre de classification IA qui sera soumis à la PI, y compris l'amélioration et la segmentation CLAHE. Ensuite, pour augmenter la précision du cadre proposé, l'augmentation des données (DA) a été employée pour générer des données supplémentaires. Le modèle CNN pré-entraîné VGG- 19 a ensuite été utilisé pour extraire des caractéristiques. Pour créer un modèle d'apprentissage automatique, l'approche de classification par machine à vecteurs de support (SVM) est utilisée. Les images restantes de la série ont été utilisées pour les tests. La simulation a montré que le modèle VGG-SVM proposé était précis à 98,31 %.
Autorenporträt
La Dra. Shabnam Sayyad trabaja actualmente como profesora asociada en el Departamento de Ingeniería Informática de la Escuela Superior de Ingeniería AISSMS de Pune, con casi dos décadas de experiencia docente. Es postdoctorada de Malasia y guía de investigación de doctorado de la Universidad Savitribai Phule Pune.