Machine Learning in Medical Imaging and Computer Vision
Medizinische Bilder können Unterschiede zwischen gesundem und ungesundem Gewebe aufzeigen. Diese Bilder können dann von medizinischem Fachpersonal ausgewertet werden, um das Stadium und die Ausbreitung einer Krankheit zu bestimmen, damit ein Behandlungspfad festgelegt werden kann. Da sich maschinelle Lernverfahren im Gesundheitswesen immer mehr durchsetzen, können Algorithmen trainiert werden, um gesundes und ungesundes Gewebe zu erkennen und schnell zwischen beiden zu unterscheiden. Mit Hilfe statistischer Modelle können zahlreiche Bilder desselben Typs in einem Bruchteil der Zeit verarbeitet werden, die ein Mensch für die Beurteilung der gleichen Menge benötigen würde, was dem Arzt bei seiner Beurteilung Zeit und Geld spart.
In diesem Sammelband werden Verfahren zur Merkmalsextraktion erörtert, Deep-Learning-Methoden für medizinische Segmentierungsaufgaben besprochen, Optimierungsalgorithmen und Regularisierungstechniken vorgestellt, Bildklassifizierungs- und Retrievalsysteme veranschaulicht und Texterkennungstools, Spieltheorie und die Erkennung von Fehlinformationen zur Verbesserung der Gesundheitsversorgung beleuchtet.
Machine Learning in Medical Imaging and Computer Vision bietet den neuesten Stand der Forschung zur Integration neuer und aufkommender Technologien für die medizinische Bildverarbeitung und -analyse. Das Buch skizziert zukünftige Richtungen zur Steigerung der Effizienz konventioneller Bildgebungsmodelle, um eine bessere Leistung bei der Diagnose sowie bei der Charakterisierung komplexer pathologischer Zustände zu erreichen.
Das Buch richtet sich an Forscher und Wissenschaftler an Hochschulen und in der Industrie in den Bereichen Informatik und Ingenieurwesen, maschinelles Lernen, Bildverarbeitung und Gesundheitstechnologien sowie in verwandten Bereichen.
| ISBN: | 9781839535932 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
Derzeit verfügbar, auf Lager.
