Sravani Devi Yerrarapu

Bildsynthese der Netzhaut (Glaukom)

Verwendung traditioneller und fortschrittlicher Datenerweiterungstechniken

• Broschiertes Buch

Produktbeschreibung

Das menschliche Auge ist ein Organ, das auf Licht und Druck reagiert. Viele Krankheiten, Störungen und altersbedingte Veränderungen können die Augen und die umliegenden Strukturen beeinträchtigen. Eine der Augenkrankheiten ist das Glaukom (Grüner Star). Das Glaukom ist eine Erkrankung, bei der der Flüssigkeitsdruck im Auge ansteigt. Unbehandelt kann er den Sehnerv schädigen und zum Verlust des Sehvermögens führen. Die frühzeitige Erkennung des Glaukoms minimiert das Risiko eines Sehkraftverlusts. Das vorgeschlagene Modell synthetisiert hochrealistische, kontrollierbare Fundusbilder, um mit Hilfe eines Deep-Learning-Modells eine höhere Präzision bei der Erkennung von Glaukomen zu erreichen.Ein generatives adverses Netzwerk (GAN) ist ein unbeaufsichtigtes maschinelles Lernverfahren, das zur Erweiterung von Datensätzen verwendet werden kann und gesammelte Bilder so aufbereitet, dass sie von realen Daten nicht mehr zu unterscheiden sind. Das Deep Convolutional GAN (DCGAN), eine weitere Variante des GAN, zeigt die architektonischen Beschränkungen des Modells auf, die für die effektive Entwicklung hochwertiger Generatormodelle erforderlich sind. Der erweiterte Datensatz, der durch Datenerweiterung gewonnen wurde, und der ursprüngliche ACRIMA-Datensatz mit Fundusbildern werden dem CNN-Klassifizierungsmodell zur Erkennung von Glaukomkrankheiten separat zugeführt.

Produktdetails

• Verlag: Verlag Unser Wissen
• Seitenzahl: 60
• Erscheinungstermin: 31. Juli 2023
• Deutsch
• Abmessung: 220mm x 150mm x 4mm
• Gewicht: 107g
• ISBN-13: 9786206301233
• ISBN-10: 6206301230
• Artikelnr.: 68510636

Autorenporträt

Yerrarapu Sravani Devi, tiene 13 trabajos de investigación en revistas y conferencias internacionales y dos patentes indias en su haber. Se formó en ciencia de datos, aprendizaje automático y aprendizaje profundo en simpliLearn, en colaboración con la Universidad de Purdue. Sus intereses de investigación son la ciencia de datos, el aprendizaje automático, la visión por ordenador y el aprendizaje profundo.