دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Nilanjan Dey, Amira S. Ashour, Surekha Borra (eds.) سری: Lecture Notes in Computational Vision and Biomechanics 26 ISBN (شابک) : 9783319659800, 9783319659817 ناشر: Springer International Publishing سال نشر: 2018 تعداد صفحات: 453 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب طبقه بندی BioApps: اتوماسیون تصمیم گیری: مهندسی پزشکی
در صورت تبدیل فایل کتاب Classification in BioApps: Automation of Decision Making به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب طبقه بندی BioApps: اتوماسیون تصمیم گیری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب در مورد طبقهبندی در کاربردهای تصویر پزشکی، کار تحقیقاتی اصیل و ارزشمندی را در مورد پیشرفتها در این زمینه ارائه میدهد که طبقهبندی مدلها، استانداردها، الگوریتمها، برنامهها و چالشهای تحت نظارت و بدون نظارت را پوشش میدهد.
p>علاوه بر این، این کتاب تحقیقات علمی اخیر در مورد
شبکههای عصبی مصنوعی در کاربردهای زیست پزشکی، پرداختن به
مبانی شبکههای عصبی مصنوعی، ماشینهای بردار پشتیبانی و دیگر
طبقهبندیکنندههای پیشرفته و همچنین طراحی و بهینهسازی آنها
را برجسته میکند.
علاوه بر کاوش در تلاشهای اخیر در حوزه چند رشتهای حسگرها،
این کتاب خوانندگان را با تعاریف و ویژگیهای اساسی، فیلترها و
پردازش سیگنال، حسگرهای زیست پزشکی و اتوماسیون سیستمهای
اندازهگیری زیستی آشنا میکند. مخاطبان هدف شامل محققان و
دانشجویان دانشکده های مهندسی و پزشکی، محققان و مهندسان صنعت
زیست پزشکی، پزشکان پزشکی و متخصصان مراقبت های بهداشتی
است.
This book on classification in biomedical image applications presents original and valuable research work on advances in this field, which covers the taxonomy of both supervised and unsupervised models, standards, algorithms, applications and challenges.
Further, the book highlights recent scientific research on
artificial neural networks in biomedical applications,
addressing the fundamentals of artificial neural networks,
support vector machines and other advanced classifiers, as
well as their design and optimization.
In addition to exploring recent endeavours in the
multidisciplinary domain of sensors, the book introduces
readers to basic definitions and features, signal filters and
processing, biomedical sensors and automation of
biomeasurement systems. The target audience includes
researchers and students at engineering and medical schools,
researchers and engineers in the biomedical industry, medical
doctors and healthcare professionals.
Front Matter ....Pages i-xiii
Front Matter ....Pages 1-1
Medical Imaging and Its Objective Quality Assessment: An Introduction (Rohit Thanki, Surekha Borra, Nilanjan Dey, Amira S. Ashour)....Pages 3-32
A Novel Approach for the Classification of Liver MR Images Using Complex Orthogonal Ripplet-II and Wavelet-Based Transforms (Ayşe Elif Canbilen, Murat Ceylan)....Pages 33-56
ECG Based Myocardial Infarction Detection Using Different Classification Techniques (Padmavathi Kora, Ambika Annavarapu, Surekha Borra)....Pages 57-77
Classification and Decision Making of Medical Infrared Thermal Images (Ricardo Vardasca, Lucia Vaz, Joaquim Mendes)....Pages 79-104
Evaluating the Efficacy of Gabor Features in the Discrimination of Breast Density Patterns Using Various Classifiers ( Kriti, Jitendra Virmani, Ravinder Agarwal)....Pages 105-131
Machine Learning-Based State-of-the-Art Methods for the Classification of RNA-Seq Data (Almas Jabeen, Nadeem Ahmad, Khalid Raza)....Pages 133-172
Two-Step Verifications for Multi-instance Features Selection: A Machine Learning Approach (M. N. Y. Ali, S. F. Nimmy)....Pages 173-198
Machine Learning Based Plant Leaf Disease Detection and Severity Assessment Techniques: State-of-the-Art (Pragati Pukkela, Surekha Borra)....Pages 199-226
Crop Disease Protection Using Parallel Machine Learning Approaches (G. Sudha Sadasivam, Sasirekaa Madhesu, O. Y. Mumthas, K. Dharani)....Pages 227-259
Front Matter ....Pages 261-261
Computer Aided Diagnosis in Ophthalmology: Deep Learning Applications (José N. Galveia, António Travassos, Francisca A. Quadros, Luís A. da Silva Cruz)....Pages 263-293
Advanced Computational Intelligence Techniques Based Computer Aided Diagnosis System for Cervical Cancer Detection Using Pap Smear Images (D. Selvathi, W. Rehan Sharmila, P. Shenbaga Sankari)....Pages 295-322
Deep Learning for Medical Image Processing: Overview, Challenges and the Future (Muhammad Imran Razzak, Saeeda Naz, Ahmad Zaib)....Pages 323-350
On the Fly Segmentation of Intravascular Ultrasound Images Powered by Learning of Backscattering Physics (Debarghya China, Pabitra Mitra, Debdoot Sheet)....Pages 351-380
Front Matter ....Pages 381-381
ECG Signal Dimensionality Reduction-Based Atrial Fibrillation Detection (Ambika Annavarapu, Surekha Borra, Padmavathi Kora)....Pages 383-406
A Bio-application for Accident Victim Identification Using Biometrics (P. Vidyasree, Gudavalli Madhavi, S. Viswanadharaju, Surekha Borra)....Pages 407-447