Публикации по теме 'medical-imaging'
Последовательная полуконтролируемая, объяснимая многозадачность для медицинской визуализации
MultiMix: экстремальное многозадачное обучение с умеренным контролем на основе медицинских изображений
В этой статье я расскажу о новом методе полуконтролируемой многозадачной медицинской визуализации под названием MultiMix , разработанном Аяаном Хаком (я), Абдуллой-Аль-Зубайром Имраном, Адамом Вангом и Деметри Терзопулосом. Наша статья была принята на ISBI 2021 в полном составе и представлена на конференции в апреле. Расширение нашей статьи с улучшенными результатами также..
PyFeats: программное обеспечение с открытым исходным кодом для извлечения признаков изображения.
Введение
Когда дело доходит до решения проблем компьютерного зрения, алгоритмы машинного обучения следуют важному начальному шагу: извлекают признаки из предоставленных изображений. Извлечение признаков служит основой любой системы классификации образов, играя ключевую роль в процессе распознавания.
Чтобы сделать сложную задачу распознавания образов выполнимой, образцы должны быть преобразованы в сжатые представления, называемые признаками. Эти функции инкапсулируют суть шаблонов,..
Прогноз ишемической болезни сердца
Сердечно-сосудистые заболевания являются основной причиной смерти. В США около 659 000[1] и в Канаде 77 000 человек ежегодно умирают от сердечно-сосудистых заболеваний. Расходы на сердечно-сосудистые заболевания обходятся Соединенным Штатам примерно в 363 миллиарда долларов в год[2] и Канаде в 22 миллиарда долларов в год.
1. История
Американского колледжа кардиологов и Американской кардиологической ассоциации (ACC/AHA) расчет 10-летнего сердечно-сосудистого риска подвергся сомнению..
Использование исследований машинного обучения для коммерциализации продуктов
Уроки, извлеченные в Merantix: разница между академией и промышленностью
Мотивация
В прошлые выходные я провел некоторое время дома со своей семьей и начал размышлять о последних двух годах, прошедших с тех пор, как я учился в университете, включая все волнения и проблемы, которые я испытал на разных этапах моей карьеры. Увидев как академические исследования, так и отраслевые исследования в контексте глубокого обучения, я заметил, что есть довольно много различий в повседневной жизни и..
Машинное обучение и методы глубокого обучения для обнаружения аномалий в медицинской визуализации
Медицинская визуализация , такая как компьютерная томография (КТ), магнитно-резонансная томография (МРТ), позитронно-эмиссионная томография (ПЭТ), маммография, ультразвук и рентген, приобрела все большее значение в последние десятилетия. Обнаружение, диагностика и лечение заболеваний имеют решающее значение в ранней медицине. Специалисты-люди в первую очередь несут ответственность за интерпретацию медицинских изображений в клиниках (например, радиологи и врачи).
Однако из-за резких..
GAN в анализе медицинских изображений: часть 2
Как GAN решают проблемы анализа медицинских изображений!
В последней части этого блога мы рассмотрели основы GAN и их приложений для шумоподавления медицинских изображений и создания медицинских данных для образовательных целей. В этом блоге мы продолжим обсуждение еще трех приложений GAN в медицинской визуализации.
Сегментация
Глубокое обучение с использованием изображений магнитного резонанса и компьютерной томографии
Введение в данные, методы предварительной обработки и дизайн глубокой сети для медицинских изображений
Начать применять глубокое обучение к изображениям магнитного резонанса (МРТ) или компьютерной томографии (КТ) непросто; поиск подходящих наборов данных, предварительная обработка данных и создание структур загрузчика данных, необходимых для выполнения работы, является сложной задачей. В этом посте я надеюсь облегчить эту боль новичкам. Для этого я свяжусь с несколькими свободно..
