胸部 X 線写真のディープ ラーニングでは、胸部 X 線写真を「正常」と「肺炎」に二項分類するための効率的な畳み込みニューラル ネットワーク ベースのコンピューター支援分類 (CAC) システムを設計するために、著者によって実装されたさまざまな戦略が列挙されています。 肺炎は、主に細菌やウイルスによって引き起こされる感染症です。 この感染症の主な標的は、5歳未満の子供と65歳以上の成人であり、主に免疫力が低く、回復率が低い. 世界的に、肺炎は足跡が広く、他の免疫に基づく病気と比較してより多くの子供を殺し、特に発展途上国では年間子供の死亡の最大 15% を引き起こしています。 コンピュータ断層撮影法、X 線撮影、X 線、磁気共鳴画像法、超音波など、利用可能なすべての画像診断法のうち、胸部 X 線写真は正常と肺炎の鑑別診断に最も広く使用されています。 本書で実装された CAC システム設計では、200 枚の正常画像と 100 枚の肺炎画像からなる合計 100 枚の胸部 X 線画像が使用されています。 これらの胸部 X 線写真は、回転、平行移動、反転などの幾何学的変換を使用して拡張され、畳み込みニューラル ネットワーク (CNN) の効率的なトレーニングのためにデータセットのサイズが大きくなります。 胸部 X 線写真を正常と肺炎に二値分類するために、合計 12 の実験が行われました。 また、エンドツーエンド CNN の実装のための決定融合、深い特徴抽出、特徴選択、特徴次元削減、および機械学習ベースの分類器を備えた転移学習ベースのアプローチを使用して実行される徹底的な実験の詳細な実装戦略も含まれています。ベースの CAC システム設計、軽量の CNN ベースの CAC システム設計、および胸部 X 線写真用のハイブリッド CAC システム設計。

この本は、学者、研究者、臨床医、医用画像、CAC、コンピューター支援診断、コンピューター科学および工学、電気および電子工学、生物医学工学、バイオインフォマティクス、生物工学、および IT の専門家の大学院生および大学院生にとって貴重なリソースです。業界。