Description du livre
Cet ouvrage donne un aperçu complet de l'apprentissage profond (DL) dans les applications médicales et de soins de santé, y compris les principes fondamentaux et les progrès actuels de l'analyse d'images médicales, les méthodes de pointe de DL pour l'analyse d'images médicales et les systèmes de diagnostic clinique assisté par ordinateur basés sur l'apprentissage profond et le monde réel.
L'apprentissage profond (DL) est l'une des techniques clés de l'intelligence artificielle (IA) et joue aujourd'hui un rôle important dans de nombreux domaines universitaires et industriels. DL implique l'utilisation d'un réseau neuronal avec de nombreuses couches (structure profonde) entre l'entrée et la sortie, et son principal avantage est qu'il peut automatiquement apprendre les données axées sur les caractéristiques, hautement représentatives et hiérarchiques et effectuer l'extraction et la classification des caractéristiques sur un réseau. DL peut être utilisé pour modéliser ou simuler un système ou un processus intelligent à l'aide de données de formation annotées.
Récemment, le DL est devenu largement utilisé dans des applications médicales, telles que la modélisation anatomique, la détection des tumeurs, la classification des maladies, le diagnostic assisté par ordinateur et la planification chirurgicale. Ce livre s'adresse aux étudiants et chercheurs en informatique et en génie, aux professionnels de la santé et à tous ceux qui s'intéressent aux techniques de DL.