Книга "Computational Analysis and Deep Learning in Medical Care" поможет медицинским изображениям и текстовым данным принимать полезные решения с помощью глубокого обучения. Для этого растущая потребность в надежных моделях глубокого обучения, таких как нейронные сети, сверточные нейронные сети (CNN), обратное распространение (back-propagation) и рекуррентные нейронные сети становится всё более актуальной в области обработки медицинских изображений, например, раскраски черно-белых рентгеновских снимков, автоматического машинного перевода, классификации объектов на фотографиях или изображениях (КТ-скан), генерации символов или текста (ЭКГ), генерации описаний изображений и т. д. Поэтому надежные методы глубокого обучения для восприятия или получения лучших результатов крайне эффективны для применения в электронной медицине, что является вызовом сегодняшнего дня. Для решения этой проблемы, эта книга предоставляет надежные модели глубокого обучения или глубоких нейронных сетей для медицинских приложений путем получения глав со всего мира. Таким образом, эта книга охватит введение, потребности, важность, проблемы и вызовы, с которыми сталкиваются текущие модели глубокого обучения (включая инновационные алгоритмы / модели глубокого обучения по лечению заболеваний в медицине). Она также предоставит возможности для нескольких исследовательских сообществ, включая несколько пробелов в исследованиях по моделям глубокого обучения (для медицинских приложений).
The book focuses on how deep learning approaches can assist with working with medical images and text data to make useful decisions. For this purpose, there is an increase in the requirements for dependable deep-learning models, like Neural Networks, Convolution Neural Networks, Backpropagation and Recurrent Neural Networks. This book includes chapters from all over the world and deals with the introduction, requirements, significance, difficulties, and issues of using current deep-learning approaches in health care, additionally illustrating the use of innovative deep-learning techniques for curing diseases.
This book discusses how deep learning can be used to analyze and interpret medical images and data to make useful predictions. It also describes the use of deep learning in other medical fields like neuroscience and genomics.
Электронная Книга «Computational Analysis and Deep Learning for Medical Care - Группа авторов» написана автором Группа авторов в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119785736
Описание книги от Группа авторов
This book discuss how deep learning can help healthcare images or text data in making useful decisions”. For that, the need of reliable deep learning models like Neural networks, Convolutional neural network, Backpropagation, Recurrent neural network is increasing in medical image processing, i.e., in Colorization of Black and white images of X-Ray, automatic machine translation, object classification in photographs / images (CT-SCAN), character or useful generation (ECG), image caption generation, etc. Hence, Reliable Deep Learning methods for perception or producing belter results are highly effective for e-healthcare applications, which is the challenge of today. For that, this book provides some reliable deep leaning or deep neural networks models for healthcare applications via receiving chapters from around the world. In summary, this book will cover introduction, requirement, importance, issues and challenges, etc., faced in available current deep learning models (also include innovative deep learning algorithms/ models for curing disease in Medicare) and provide opportunities for several research communities with including several research gaps in deep learning models (for healthcare applications).
