Βελτιστοποίηση προεπεξεργασίας για τμηματοποίηση ιατρικής εικόνας με χρήση συνελικτικών νευρωνικών δικτύων
Τα τελευταία χρόνια, μέθοδοι βαθιάς μάθησης και κυρίως τα συνελικτικά νευρωνικά δίκτυα (‘CNN’) έχουν επιτυχή εφαρμογή σε διάφορους τομείς, όπως σε επεξεργασία φυσικής γλώσσας, σε ανακάλυψη φαρμάκων, αναγνώριση προσώπου, αλλά κυρίως αποτελούν μια ισχυρή μέθοδο για επίλυση προβλημάτων κατηγοριοποίησης...
Κύριος συγγραφέας: | Καραγγελής, Απόστολος |
---|---|
Άλλοι συγγραφείς: | Karangelis, Apostolos |
Γλώσσα: | Greek |
Έκδοση: |
2020
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/13551 |
Παρόμοια τεκμήρια
-
Τμηματοποίηση και τρόποι σύνδεσης κανονικών ρηγμάτων στην κεντρική Ελλάδα
ανά: Ζάμπος, Μιλτιάδης
Έκδοση: (2010) -
Knee joint segmentation based on deep learning and label fusion techniques
ανά: Κελλάρη, Ασπασία
Έκδοση: (2020) -
Impact of pre-processing methods on lesion image feature extraction in PET
ανά: Βανταράκης, Σωτήριος
Έκδοση: (2022) -
Segmentation and analysis of clinical dermatology images
ανά: Τζίκα, Ελένη
Έκδοση: (2022) -
Επίδραση τεχνικών μείωσης θορύβου στην τμηματοποίηση πνευμονικών πεδίων στην υπολογιστική τομογραφία
ανά: Αρκούδη, Μαρία
Έκδοση: (2013)