Algoritmo de Redes Neurais Artificiais para Diagnóstico da Queda de Cabelo Humano - Sayyad, Dr. Shabnam
51,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Neste livro, as redes neurais artificiais (ANNs) estão a ser usadas para diagnosticar a queda de cabelo em pacientes. Uma condição auto-imune conhecida como Alopecia Areata (AA) resulta em queda de cabelo na área afectada. Os números mais recentes de todo o mundo mostram que AA afecta 1 em 1000 pessoas e tem uma taxa de incidência de 2%. Por exemplo, a classificação é importante no campo da medicina porque um dos principais objectivos do médico é estabelecer se um paciente tem ou não uma doença. O objectivo deste estudo é avaliar a exactidão das redes neurais para a detecção da alopecia em…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Neste livro, as redes neurais artificiais (ANNs) estão a ser usadas para diagnosticar a queda de cabelo em pacientes. Uma condição auto-imune conhecida como Alopecia Areata (AA) resulta em queda de cabelo na área afectada. Os números mais recentes de todo o mundo mostram que AA afecta 1 em 1000 pessoas e tem uma taxa de incidência de 2%. Por exemplo, a classificação é importante no campo da medicina porque um dos principais objectivos do médico é estabelecer se um paciente tem ou não uma doença. O objectivo deste estudo é avaliar a exactidão das redes neurais para a detecção da alopecia em sujeitos humanos. Cabelos Saudáveis (HHs) e Alopecia Areata (AA) têm um quadro de classificação IA que será sujeito a IP, incluindo o melhoramento e segmentação CLAHE. Depois, para aumentar a precisão do quadro proposto, foi utilizada a ampliação de dados (DA) para gerar mais dados. O modelo VGG- 19 CNN pré-treinado foi então utilizado para extrair características. Para criar um modelo de aprendizagem da máquina, é utilizada a abordagem de classificação da Máquina Vectorial de Apoio (SVM). As restantes imagens da série foram utilizadas para testes. Foi demonstrado que a VGG-SVM sugerida era 98,31% precisa na simulação.
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.