Deep Learning Models for Medical Imaging explains the concepts of Deep Learning (DL) and its importance in medical imaging and/or healthcare using two different case studies: a) cytology image analysis and b) coronavirus (COVID-19) prediction, screening, and decision-making, using publicly available datasets in their respective experiments. Of many DL models, custom Convolutional Neural Network (CNN), ResNet, InceptionNet and DenseNet are used. The results follow 'with' and 'without' transfer learning (including different optimization solutions), in addition to the use of data augmentation and ensemble networks. DL models for medical imaging are suitable for a wide range of readers starting from early career research scholars, professors/scientists to industrialists.
- Provides a step-by-step approach to develop deep learning models
- Presents case studies showing end-to-end implementation (source codes: available upon request)
Prof. KC Santosh is the Chair of the Department of Computer Science at the University of South Dakota (USD). Before joining USD, Prof. Santoshworked as a research fellow at the U.S. National Library of Medicine (NLM), National Institutes of Health (NIH). He was a postdoctoral research scientist at the LORIA research centre (with industrial partner, ITESOFT (France)). He has demonstrated expertise in artificial intelligence, machine learning, pattern recognition, computer vision, image processing and data mining with applications, such as medical imaging informatics, document imaging, biometrics, forensics, and speech analysis. His research projects are funded by
multiple agencies, such as SDCRGP, Department of Education, National Science Foundation, and Asian Office of Aerospace Research and Development. He is the proud recipient of the Cutler Award for Teaching and Research Excellence (USD, 2021), the President's Research Excellence Award (USD, 2019), and the Ignite Award from the U.S. Department
Deep Learning Models for Medical Imaging explains the concepts of Deep Learning (DL) and its importance in medical imaging and/or healthcare using two different case studies: a) cytology image analysis and b) coronavirus (COVID-19) prediction, screening, and decision-making, using publicly available datasets in their respective experiments. Of many DL models, custom Convolutional Neural Network (CNN), ResNet, InceptionNet and DenseNet are used. The results follow 'with' and 'without' transfer learning (including different optimization solutions), in addition to the use of data augmentation and ensemble networks. DL models for medical imaging are suitable for a wide range of readers starting from early career research scholars, professors/scientists to industrialists. Provides a step-by-step approach to develop deep learning models Presents case studies showing end-to-end implementation (source codes: available upon request)
| Erscheint lt. Verlag | 17.9.2021 |
|---|---|
| Sprache | englisch |
| Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
| Medizin / Pharmazie ► Gesundheitsfachberufe | |
| Medizin / Pharmazie ► Medizinische Fachgebiete ► Radiologie / Bildgebende Verfahren | |
| ISBN-10 | 0-12-823650-7 / 0128236507 |
| ISBN-13 | 978-0-12-823650-5 / 9780128236505 |
| Haben Sie eine Frage zum Produkt? |
PDF (Adobe DRM)Größe: 12,1 MB
Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine
Geräteliste und zusätzliche Hinweise
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
EPUB (Adobe DRM)Größe: 25,4 MB
Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
Dateiformat: EPUB (Electronic Publication)
EPUB ist ein offener Standard für eBooks und eignet sich besonders zur Darstellung von Belletristik und Sachbüchern. Der Fließtext wird dynamisch an die Display- und Schriftgröße angepasst. Auch für mobile Lesegeräte ist EPUB daher gut geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine
Geräteliste und zusätzliche Hinweise
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
