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: نویسندگان: Venkatesan Rajinikanth, E Priya, Hong Lin, Fuhua Lin سری: ISBN (شابک) : 9781000300185, 1000300188 ناشر: CRC Press سال نشر: 2021 تعداد صفحات: 188 [201] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 28 Mb
در صورت تبدیل فایل کتاب Hybrid Image Processing Methods for Medical Image Examination 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 روش های پردازش تصویر ترکیبی برای بررسی تصویر پزشکی 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.
با توجه به نتایج بهتری که از بررسی مجموعه دادههای پزشکی (تصاویر) با روشهای پردازش تصویر ترکیبی (ادغام آستانه و تقسیمبندی) انتظار میرود، این کار بر اجرای تکنیکهای احتمالی بررسی تصویر ترکیبی برای تصاویر پزشکی تمرکز دارد. این روشهای مختلف آستانهگذاری و تقسیمبندی تصویر را توصیف میکند که برای توسعه چنین ابزار پردازش ترکیبی ضروری است. علاوه بر این، این کتاب جزئیات ضروری، مانند آمادهسازی تصویر آزمایشی، اجرای عملیات آستانهگذاری انتخابی، ارزیابی تصویر آستانه، و اجرای روش تقسیمبندی و ارزیابی آن را ارائه میدهد که توسط مطالعات موردی مرتبط پشتیبانی میشود. این کتاب با هدف پژوهشگران/دانشجویان فارغ التحصیل در حوزه پردازش تصویر پزشکی، پردازش تصویر، و مهندسی کامپیوتر: پیشینه گسترده ای در مورد تکنیک های آستانه گذاری و تقسیم بندی تصویر مختلف ارائه می دهد. درباره معیارهای ارزیابی مختلف و ماتریس سردرگمی بحث می کند. الگوریتمهای الهامگرفته از زیستشناسی مطالعات موردی از جمله MRI، CT، درموسکوپی و تصاویر اولتراسوند را بررسی میکند، شامل فصلهای جداگانه در مورد یادگیری ماشین و یادگیری عمیق برای پردازش تصویر پزشکی
In view of better results expected from examination of medical datasets (images) with hybrid (integration of thresholding and segmentation) image processing methods, this work focuses on implementation of possible hybrid image examination techniques for medical images. It describes various image thresholding and segmentation methods which are essential for the development of such a hybrid processing tool. Further, this book presents the essential details, such as test image preparation, implementation of a chosen thresholding operation, evaluation of threshold image, and implementation of segmentation procedure and its evaluation, supported by pertinent case studies. Aimed at researchers/graduate students in the medical image processing domain, image processing, and computer engineering, this book: Provides broad background on various image thresholding and segmentation techniques Discusses information on various assessment metrics and the confusion matrix Proposes integration of the thresholding technique with the bio-inspired algorithms Explores case studies including MRI, CT, dermoscopy, and ultrasound images Includes separate chapters on machine learning and deep learning for medical image processing