Une nouvelle approche d'apprentissage profond pour la détection des tumeurs cérébrales - R, Bhavani;R, Subraja;T, Malathy
29,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Les tumeurs cérébrales constituent des obstacles considérables dans le domaine des soins de santé, nécessitant un diagnostic précis et rapide afin d'obtenir une thérapie efficace et d'améliorer les résultats pour les patients. L'imagerie par résonance magnétique (IRM) et la tomodensitométrie (TDM) sont des techniques cruciales pour l'identification des tumeurs cérébrales, chaque méthode offrant des avantages uniques. Cependant, le fait de dépendre exclusivement d'une modalité peut limiter la précision du diagnostic. Ce projet présente une nouvelle méthode qui intègre l'IRM et la…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Les tumeurs cérébrales constituent des obstacles considérables dans le domaine des soins de santé, nécessitant un diagnostic précis et rapide afin d'obtenir une thérapie efficace et d'améliorer les résultats pour les patients. L'imagerie par résonance magnétique (IRM) et la tomodensitométrie (TDM) sont des techniques cruciales pour l'identification des tumeurs cérébrales, chaque méthode offrant des avantages uniques. Cependant, le fait de dépendre exclusivement d'une modalité peut limiter la précision du diagnostic. Ce projet présente une nouvelle méthode qui intègre l'IRM et la tomodensitométrie pour améliorer la détection et la catégorisation des tumeurs cérébrales. En utilisant un réseau neuronal à convolution à 13 couches et des algorithmes de fusion d'images, notre approche cherche à combiner les avantages des deux modalités, en réduisant leurs inconvénients respectifs. Le flux de travail consiste à télécharger des IRM et des tomodensitogrammes sur une interface, où un réseau neuronal convolutif (CNN) applique l'algorithme de fusion d'images en arrière-plan. Le résultat de la classification révèle l'existence, la nature ou l'absence d'une tumeur. En outre, les résultats peuvent être obtenus via un site web ou une application mobile, ce qui permet aux professionnels de la santé de diagnostiquer plus facilement et plus efficacement les patients.
Autorenporträt
Dr. R. BHAVANI hat von 2004 bis 2006 einen Master of Engineering (M.E.) in Angewandter Elektronik an der Sathyabama University, Chennai, erworben. 2003 absolvierte sie ein B.E.-Studium in ECE am Magna College of Engineering in Chennai. Ihr Forschungsinteresse gilt vor allem der digitalen Bildverarbeitung, digitalen logischen Schaltungen und ML.