Andere Kunden interessierten sich auch für
![Simulation der Organperfusion]( "Simulation der Organperfusion")
Simulation der Organperfusion89,90 €![FORENSISCHE UNTERSUCHUNG]( "FORENSISCHE UNTERSUCHUNG")
FORENSISCHE UNTERSUCHUNG55,90 €![Erkennung von Hirntumoren anhand von MR-Bildern auf der Grundlage einer Co-Occurrence-Matrix]( "Erkennung von Hirntumoren anhand von MR-Bildern auf der Grundlage einer Co-Occurrence-Matrix")
Erkennung von Hirntumoren anhand von MR-Bildern auf der Grundlage einer Co-Occurrence-Matrix54,90 €![Fachwissen Praxis Grundlagen der Demenz]( "Fachwissen Praxis Grundlagen der Demenz")
Fachwissen Praxis Grundlagen der Demenz69,90 €![Klinische MRT-Diagnostik mit Bildfusionstechnik]( "Klinische MRT-Diagnostik mit Bildfusionstechnik")
Klinische MRT-Diagnostik mit Bildfusionstechnik43,90 €![MRT bei der Diagnose von Schmerzen im unteren Rückenbereich]( "MRT bei der Diagnose von Schmerzen im unteren Rückenbereich")
MRT bei der Diagnose von Schmerzen im unteren Rückenbereich59,90 €![MRT von intrakraniellen Tuberkulomen]( "MRT von intrakraniellen Tuberkulomen")
MRT von intrakraniellen Tuberkulomen39,90 €
Dieses Buch ist das Ergebnis unserer 15-jährigen Forschungspraxis auf dem Gebiet der Bildanalyse von Hirntumoren mit Hilfe von Techniken der Computational Intelligence. Viele automatische Methoden wurden entwickelt und in renommierten internationalen Fachzeitschriften veröffentlicht. Derzeit werden auf Deep Learning basierende Modelle zur Klassifizierung von Hirntumoren aus Magnetresonanztomographie-Scans (MRT) des menschlichen Kopfes eingesetzt. Dieses Buch befasst sich in erster Linie mit der Entwicklung eines MRT-basierten Systems zur Analyse von Hirntumoren mit Hilfe eines Deep-Learning-Ansatzes. Dieses Buch ist in fünf Kapitel gegliedert. Kapitel 1 beschreibt die Bedeutung der medizinischen Bildverarbeitung, die Prinzipien und die Rolle der MRT in der medizinischen Bildanalyse sowie die Bedeutung von Systemen der künstlichen Intelligenz (KI). Kapitel 2 erklärt die Anatomie des Gehirns, die Ursache von Hirntumoren und ihre Arten. Kapitel 3 beschreibt die Grundlagen des Deep Learning (DL) wie Grundlagen des maschinellen Lernens (ML), Algorithmen, Entwicklung, Rolle in der Tumorbildgebung, die Architektur von Deep Neural Networks (DNN) und Convolutional Neural Networks (CNN). Kapitel 4 erläutert die Entwicklung des vorgeschlagenen DL-Tools für die Hirntumoranalyse. Schließlich schließt Kapitel 5 mit weiteren Arbeiten in der Zukunft.