
Clasificar las imágenes de patología torácica usando técnicas de aprendizaje profundo
Para desarrollar un sistema computarizado para el diagnóstico de imágenes de rayos X de tórax saludables vs. patológicas para ayudar a los radiólogos
Versandkostenfrei!
Versandfertig in 1-2 Wochen
18,99 €
inkl. MwSt.
PAYBACK Punkte
9 °P sammeln!
Las radiografías de tórax son el examen más común en radiología en la era actual. Son esenciales y muy útiles para la supervisión de diversas enfermedades asociadas con una alta mortalidad y muestran una amplia gama de información potencial sobre diversas enfermedades. Los veredictos más comunes en las radiografías de tórax incluyen Tuberculosis, Cardiomegalia y enfermedades torácicas del Mediastino. Distinguir las diversas patologías torácicas es una tarea difícil incluso para el observador humano y para el radiólogo. Por lo tanto, existe un interés en desarrollar un sistema ...
Las radiografías de tórax son el examen más común en radiología en la era actual. Son esenciales y muy útiles para la supervisión de diversas enfermedades asociadas con una alta mortalidad y muestran una amplia gama de información potencial sobre diversas enfermedades. Los veredictos más comunes en las radiografías de tórax incluyen Tuberculosis, Cardiomegalia y enfermedades torácicas del Mediastino. Distinguir las diversas patologías torácicas es una tarea difícil incluso para el observador humano y para el radiólogo. Por lo tanto, existe un interés en desarrollar un sistema de diagnóstico por ordenador para ayudar a los radiólogos a leer las imágenes de tórax a través de una máquina. La detección de la salud frente a la patología, es decir, la tuberculosis y la cardiomegalia en la radiografía de tórax, se exploró utilizando la Laplaciana de Gauss (LoG) , los patrones binarios locales (LBP), la aceleración de características robustas (SURF ) y también se utilizó el modelo de la bolsa de palabras visuales (BoVW ) utilizando la red neuronal artificial (ANN) y técnicas de aprendizaje profundo que clasifica entre los casos sanos frente a los patológicos.