Deep Learning for Chest Radiographs: Computer-Aided Classification
Deep Learning for Chest Radiographs (Deep Learning für Thorax-Röntgenbilder) zählt verschiedene Strategien auf, die von den Autoren für die Entwicklung eines effizienten, auf einem neuronalen Faltungsnetzwerk basierenden computergestützten Klassifizierungssystems (CAC) für die binäre Klassifizierung von Thorax-Röntgenbildern in "normal" und "Pneumonie" eingesetzt wurden. Lungenentzündung ist eine Infektionskrankheit, die meist durch Bakterien oder Viren verursacht wird. Die Hauptzielgruppe dieser Infektionskrankheit sind Kinder unter 5 Jahren und Erwachsene über 65 Jahren, vor allem wegen ihrer schwachen Immunität und der geringeren Heilungsraten. Weltweit ist die Lungenentzündung weit verbreitet und tötet mehr Kinder als jede andere immunitätsbedingte Krankheit. Sie verursacht jährlich bis zu 15 % der Todesfälle bei Kindern, insbesondere in Entwicklungsländern. Von allen verfügbaren bildgebenden Verfahren wie Computertomographie, Radiographie oder Röntgen, Magnetresonanztomographie, Ultraschall usw. werden Röntgenaufnahmen des Brustkorbs am häufigsten für die Differenzialdiagnose zwischen normaler und Lungenentzündung verwendet. In den CAC-Systemen, die in diesem Buch implementiert sind, wurden insgesamt 200 Röntgenbilder des Brustkorbs, bestehend aus 100 Normalbildern und 100 Pneumoniebildern, verwendet. Diese Röntgenbilder werden durch geometrische Transformationen wie Rotation, Translation und Spiegelung ergänzt, um den Datensatz für ein effizientes Training der Convolutional Neural Networks (CNNs) zu vergrößern.
Insgesamt wurden 12 Experimente für die binäre Klassifizierung von Röntgenbildern des Brustkorbs in Normal und Pneumonie durchgeführt. Es enthält auch eingehende Implementierungsstrategien von erschöpfenden Experimenten, die unter Verwendung von Transfer-Learning-basierten Ansätzen mit Entscheidungsfusion, tiefer Merkmalsextraktion, Merkmalsauswahl, Merkmalsdimensionalitätsreduktion und auf maschinellem Lernen basierenden Klassifikatoren für die Implementierung von End-to-End-CNN-basierten CAC-Systemdesigns, leichtgewichtigen CNN-basierten CAC-Systemdesigns und hybriden CAC-Systemdesigns für Röntgenbilder der Brust durchgeführt wurden.
Dieses Buch ist ein wertvolles Hilfsmittel für Akademiker, Forscher, Kliniker, Postgraduierte und Studenten in den Bereichen medizinische Bildgebung, CAC, computergestützte Diagnose, Informatik und Ingenieurwesen, Elektrotechnik und Elektronik, biomedizinische Technik, Bioinformatik, Bioingenieurwesen und Fachleute aus der IT-Branche.
| ISBN: | 9780323901840 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 228 |
Derzeit verfügbar, auf Lager.
