Metody przetwarzania danych wielomodalnych...

Spis treści:Wstęp1. Multimodalna architektura głębokiego uczenia z bayesowską korektą aktywacji do detekcji endometriozy na podstawie danych obrazowych, tekstowych i klinicznych 1.1 Wprowadzenie1.2. Analiza badań nad metodami uczenia maszynowego w zadaniu rozpoznawania endometriozy1.3. Autorski model rozpoznawania endometriozy bazujący na danych multimodalnych1.4. Ewaluacja eksperymentalna1.5. WniCzytaj więcej

więcej parametrów

O książce

Spis treści:

Wstęp

1. Multimodalna architektura głębokiego uczenia z bayesowską korektą aktywacji do detekcji endometriozy na podstawie danych obrazowych, tekstowych i klinicznych

1.1 Wprowadzenie

1.2. Analiza badań nad metodami uczenia maszynowego w zadaniu rozpoznawania endometriozy

1.3. Autorski model rozpoznawania endometriozy bazujący na danych multimodalnych

1.4. Ewaluacja eksperymentalna

1.5. Wnioski końcowe

2. Multimodalna analiza sygnałów biomedycznych w kontekście wczesnego wykrywania zawału serca

2.1. Wprowadzenie

2.2. Prace pokrewne związane z rozpoznawaniem sygnałów EKG i EEG

2.3. Autorski model

2.4. Ewaluacja eksperymentalna

2.5. Wnioski końcowe

3. Hybrydowe modele głębokiego uczenia w diagnostyce niewydolności żylnej

3.1. Wprowadzenie

3.2. Multimodalne podejście w diagnostyce układu żylnego - przegląd badań

3.3. Autorski model

3.4. Eksperymentalna weryfikacja modelu hybrydowego

3.5. Wnioski końcowe

4. Multimodalny system wspomagania decyzji klinicznych w diagnostyce nowotworów mózgu z wykorzystaniem mechanizmów wyjaśnialnej sztucznej inteligencji

4.1. Wprowadzenie

4.2. Paradygmat Trustworthy AI w neuroonkologii - przegląd dotychczasowych rozwiązań

4.3. Autorski model wykrywania zmian nowotworowych mózgu na podstawie danych multimodalnych

4.4. Ewaluacja eksperymentalna dla danych multimodalnych rozpoznawania i klasyfikacji nowotworów mózgu

4.5. Wnioski końcowe

5. Integracja danych multimodalnych w systemach wspomagania diagnostyki okulistycznej

5.1 .Wprowadzenie

5.2. Stan badań nad multimodalną fuzją danych w diagnostyce okulistycznej

5.3. Autorski model BDMF-Net jako podejście probabilistyczne do integracji danych multimodalnych

5.4. Ewaluacja eksperymentalna autorskiego modelu Byesian Deep Multimodal Fussion Network

5.5. Wnioski końcowe

6. Multimodadlna integracja wiedzy i niepewności w diagnostyce medycznej nowotworów skóry z wykoryzstaniem teorii Dempstera-Shafera

6.1. Wprowadzenie

6.2. Stan wiedzy i przegląd badań w obszarze multimodalnej diagnostyki medycznej zmian skórnych

6.3. Autorski model

6.4. Ewaluacja eksperymentalna

6.5. Wnioski końcowe

Zakończenie

Bibliografia

Dane szczegółowe

Identyfikator produktu
3773803
Tytuł
Metody przetwarzania danych wielomodalnych...
Wydawnictwo
Rok wydania
2026
Wymiary
235 x 165
Wysokość
165 mm
Długość
235 mm
Nasza cena
30,39 zł
Bądź pierwszy!
Twoja recenzja produktu “Metody przetwarzania danych wielomodalnych...” będzie bardzo przydatna dla innych użytkowników.
Recenzje produktów są zarządzane przez stronę trzecią w celu weryfikacji autentyczności i zgodności z naszymi wytycznymi dotyczącymi ocen i recenzji
Recenzje
Każdą z recenzji weryfikujemy na trzy sposoby:
  • Klient zweryfikowany
    Autorzy recenzji z tym oznaczeniem są naszymi klientami. Kupili ten produkt w sklepie tantis.pl.
  • Klient niezweryfikowany
    Autorzy recenzji z tym oznaczeniem są naszymi użytkownikami, ale nie możemy potwierdzić, że kupili ten produkt w sklepie tantis.pl.
  • Recenzja Zweryfikowana
    Potwierdzamy, że prezentowana opinia może dotyczyć danego produktu i zawiera elementy jego recenzji.
Dostawa i płatność

Zobacz również

Udostępnij produkt
Wstaw link na:
lub skopiuj link
Dodano do koszyka