Algoritmo di reti neurali artificiali per la diagnosi della caduta dei capelli nell'uomo - Sayyad, Dr. Shabnam
51,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

In questo libro, le reti neurali artificiali (RNA) vengono utilizzate per diagnosticare la perdita di capelli nei pazienti. Una condizione autoimmune nota come Alopecia Areata (AA) provoca la perdita di capelli nell'area interessata. I dati più recenti, provenienti da tutto il mondo, mostrano che l'AA colpisce 1 persona su 1000 e ha un tasso di incidenza del 2%. La classificazione è importante nel campo della medicina, perché uno degli obiettivi principali del medico è stabilire se un paziente è affetto o meno da una patologia. L'obiettivo di questo studio è valutare l'accuratezza delle reti…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
In questo libro, le reti neurali artificiali (RNA) vengono utilizzate per diagnosticare la perdita di capelli nei pazienti. Una condizione autoimmune nota come Alopecia Areata (AA) provoca la perdita di capelli nell'area interessata. I dati più recenti, provenienti da tutto il mondo, mostrano che l'AA colpisce 1 persona su 1000 e ha un tasso di incidenza del 2%. La classificazione è importante nel campo della medicina, perché uno degli obiettivi principali del medico è stabilire se un paziente è affetto o meno da una patologia. L'obiettivo di questo studio è valutare l'accuratezza delle reti neurali per il rilevamento dell'alopecia nei soggetti umani. I capelli sani (HHs) e l'alopecia areata (AA) hanno un quadro di classificazione IA che sarà sottoposto a IP, compreso il miglioramento e la segmentazione CLAHE. In seguito, per aumentare la precisione del framework proposto, è stato impiegato il data augmentation (DA) per generare ulteriori dati. Il modello CNN pre-addestrato VGG-19 è stato quindi utilizzato per estrarre le caratteristiche. Per creare un modello di apprendimento automatico, è stato utilizzato l'approccio di classificazione Support Vector Machine (SVM). Le restanti immagini della serie sono state utilizzate per i test. Il modello VGG-SVM proposto si è dimostrato accurato al 98,31% nella simulazione.
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.