Una soglia multilivello ottimale per la segmentazione di immagini a colori - Kale, Gajanan;Thigale, Somnath
29,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
15 °P sammeln
  • Broschiertes Buch

La diagnosi accurata del cancro al seno nelle immagini istopatologiche è difficile a causa dell'eterogeneità della crescita delle cellule tumorali e di una varietà di lesioni proliferative benigne del tessuto mammario. In questo lavoro proponiamo una soluzione pratica e autointerpretabile per la diagnosi del cancro invasivo. Con informazioni di annotazione minime, il metodo proposto estrae modelli di contrasto tra immagini normali e maligne in modo non supervisionato e genera una mappa di probabilità delle anomalie per verificare il suo ragionamento. In particolare, un codificatore automatico…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
La diagnosi accurata del cancro al seno nelle immagini istopatologiche è difficile a causa dell'eterogeneità della crescita delle cellule tumorali e di una varietà di lesioni proliferative benigne del tessuto mammario. In questo lavoro proponiamo una soluzione pratica e autointerpretabile per la diagnosi del cancro invasivo. Con informazioni di annotazione minime, il metodo proposto estrae modelli di contrasto tra immagini normali e maligne in modo non supervisionato e genera una mappa di probabilità delle anomalie per verificare il suo ragionamento. In particolare, un codificatore automatico completamente convoluzionale viene utilizzato per apprendere i modelli strutturali dominanti tra le normali patch di immagine. Le patch che non condividono le caratteristiche di questa popolazione normale vengono rilevate e analizzate da una macchina vettoriale di supporto di una classe e da una rete neurale a 1 strato. Applichiamo il metodo proposto a un set di immagini pubbliche del cancro al seno. I nostri risultati, in consultazione con un patologo esperto, dimostrano che il metodo proposto supera i metodi esistenti. La mappa di probabilità ottenuta potrebbe avvantaggiare la pratica patologica fornendo dati di verifica visualizzati e potenzialmente portare a una migliore comprensione delle soluzioni diagnostiche basate sui dati.
Autorenporträt
O Prof. Gajanan Kale trabalha atualmente como Professor Assistente no Departamento de CSE da FTC COER, Sangola, e tem mais de 10 anos de experiência académica e trata de várias matérias para o nível UG-PG.Dr. Somnath Thigale é Diretor e Professor Associado no Departamento de CSE da FTC COER, Sangla e tem mais de 17 anos de experiência.