Andere Kunden interessierten sich auch für
![Aprendizagem profunda para classificação de imagens]( "Aprendizagem profunda para classificação de imagens")
Aprendizagem profunda para classificação de imagens26,99 €![Sistema Híbrido de Detecção e Prevenção de Intrusões Baseado em Classificação]( "Sistema Híbrido de Detecção e Prevenção de Intrusões Baseado em Classificação")
Sistema Híbrido de Detecção e Prevenção de Intrusões Baseado em Classificação44,99 €![Determinadas investigações sobre detecção e classificação de veículos em movimento]( "Determinadas investigações sobre detecção e classificação de veículos em movimento")
Determinadas investigações sobre detecção e classificação de veículos em movimento44,99 €![Sensoriamento de Espectro e Classificação de Sinais em Rádio Cognitivo]( "Sensoriamento de Espectro e Classificação de Sinais em Rádio Cognitivo")
Sensoriamento de Espectro e Classificação de Sinais em Rádio Cognitivo42,99 €![Classificação e segmentação automática para detecção de Leucemia]( "Classificação e segmentação automática para detecção de Leucemia")
Classificação e segmentação automática para detecção de Leucemia18,99 €![Classificação das camadas de retina externa]( "Classificação das camadas de retina externa")
Classificação das camadas de retina externa23,99 €![Revisão da Classificação de Perturbações da Qualidade de Energia Eléctrica usando SVM]( "Revisão da Classificação de Perturbações da Qualidade de Energia Eléctrica usando SVM")
Revisão da Classificação de Perturbações da Qualidade de Energia Eléctrica usando SVM23,99 €
O câncer de mama é a principal causa de morte por câncer entre as mulheres. A mamografia é o único método actualmente disponível para a detecção fiável decancro da mamaprecoce epotencialmente curável. Pesquisas indicam que a taxa de mortalidade poderia diminuir em30% se as mulheres com 50 anos ou mais de idade fizessem mamografias regulares. Nesta dissertação, propomos umnovo método de análise de mamografia de campo completo com foco na caracterização e identificação de mamografias normais. Uma mamografia é analisada região por região e é classificada como normal ouanormal. Os métodos de extração de características são apresentados nesta tese que são usados paradistinguir regiões normais e anormais de uma mamografia.Neste livro, o classificador de rede neural de convolução é usado para impulsionar a classificação desempenho. Este classificador tem um desempenho melhor do que os classificadores anteriores. Em que ele mostra mais precisão do que os outros classificadores, a taxa de erro de classificação das mamografias normais como anormais.Esta abordagem tem um bom desempenho em problemas de sobreposição.