Deep Learning for Chest Radiographs : Computer-Aided Classification
Lingua: inglese
Editore: Elsevier Inc, 2021
Serie: Libro 2 di 6 - Primers in Biomedical Imaging Devices and Systems
- Brossura
- Nuovo
Da: AHA-BUCH GmbH, Einbeck, GermaniaAHA-BUCH GmbH
Venditore AbeBooks dal 14 agosto 2006
Condizione: Nuovo
EUR 107,12
Quantità: 2 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
nach der Bestellung gedruckt Neuware - Printed after ordering - Deep Learning for Chest Radiographs enumerates different strategies implemented by the authors for designing an efficient convolution neural network-based computer-aided classification (CAC) system for binary classification of chest radiographs into 'Normal' and 'Pneumonia.' Pneumonia is an infectious disease mostly caused by a bacteria or a virus. The prime targets of this infectious disease are children below the age of 5 and adults above the age of 65, mostly due to their poor immunity and lower rates of recovery. Globally, pneumonia has prevalent footprints and kills more children as compared to any other immunity-based disease, causing up to 15% of child deaths per year, especially in developing countries. Out of all the available imaging modalities, such as computed tomography, radiography or X-ray, magnetic resonance imaging, ultrasound, and so on, chest radiographs are most widely used for differential diagnosis between Normal and Pneumonia. In the CAC system designs implemented in this book, a total of 200 chest radiograph images consisting of 100 Normal images and 100 Pneumonia images have been used. These chest radiographs are augmented using geometric transformations, such as rotation, translation, and flipping, to increase the size of the dataset for efficient training of the Convolutional Neural Networks (CNNs). A total of 12 experiments were conducted for the binary classification of chest radiographs into Normal and Pneumonia. It also includes in-depth implementation strategies of exhaustive experimentation carried out using transfer learning-based approaches with decision fusion, deep feature extraction, feature selection, feature dimensionality reduction, and machine learning-based classifiers for implementation of end-to-end CNN-based CAC system designs, lightweight CNN-based CAC system designs, and hybrid CAC system designs for chest radiographs. This book is a valuable resource for academicians, researchers, clinicians, postgraduate and graduate students in medical imaging, CAC, computer-aided diagnosis, computer science and engineering, electrical and electronics engineering, biomedical engineering, bioinformatics, bioengineering, and professionals from the IT industry.…
Codice articolo 9780323901840
- Titolo
- Deep Learning for Chest Radiographs : Computer-Aided Classification
- Autore
- Yashvi Chandola
- Editore
- Elsevier Inc
- Anno di pubblicazione
- 2021
- Condizione
- Neu
- Rilegatura
- Taschenbuch
- Lingua
- inglese
- ISBN 10
- 0323901840
- ISBN 13
- 9780323901840
- Peso dell'articolo
- 401 grammi
- Dimensioni
- 235x191x12 mm
- Serie
- Libro 2 di 6: Primers in Biomedical Imaging Devices and Systems
Deep Learning for Chest Radiographs enumerates different strategies implemented by the authors for designing an efficient convolution neural network-based computer-aided classification (CAC) system for binary classification of chest radiographs into "Normal" and "Pneumonia." Pneumonia is an infectious disease mostly caused by a bacteria or a virus. The prime targets of this infectious disease are children below the age of 5 and adults above the age of 65, mostly due to their poor immunity and lower rates of recovery. Globally, pneumonia has prevalent footprints and kills more children as compared to any other immunity-based disease, causing up to 15% of child deaths per year, especially in developing countries. Out of all the available imaging modalities, such as computed tomography, radiography or X-ray, magnetic resonance imaging, ultrasound, and so on, chest radiographs are most widely used for differential diagnosis between Normal and Pneumonia. In the CAC system designs implemented in this book, a total of 200 chest radiograph images consisting of 100 Normal images and 100 Pneumonia images have been used. These chest radiographs are augmented using geometric transformations, such as rotation, translation, and flipping, to increase the size of the dataset for efficient training of the Convolutional Neural Networks (CNNs). A total of 12 experiments were conducted for the binary classification of chest radiographs into Normal and Pneumonia. It also includes in-depth implementation strategies of exhaustive experimentation carried out using transfer learning-based approaches with decision fusion, deep feature extraction, feature selection, feature dimensionality reduction, and machine learning-based classifiers for implementation of end-to-end CNN-based CAC system designs, lightweight CNN-based CAC system designs, and hybrid CAC system designs for chest radiographs.
This book is a valuable resource for academicians, researchers, clinicians, postgraduate and graduate students in medical imaging, CAC, computer-aided diagnosis, computer science and engineering, electrical and electronics engineering, biomedical engineering, bioinformatics, bioengineering, and professionals from the IT industry.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
Jitendra Virmani received his B-Tech (Hons.) in Instrumentation Engineering from Sant Longowal Institute of Engineering and Technology, Punjab in 1999 and M-Tech in Electrical Engineering with specialization in Measurement and Instrumentation from the Indian Institute of Technology, Roorkee in 2006. He served in the academia for nine years before joining the PhD programme in 2009 at Biomedical Instrumentation Laboratory, Electrical Engineering Department, Indian Institute of Technology, Roorkee as a full time Research Scholar under MHRD Assistantship. He received his PhD from the Indian Institute of Technology, Roorkee in 2013. After his PhD he served in Academia for Jaypee University of Information Technology, Solan, Himachal Pradesh and Thapar Institute of Engineering and Technology, Patiala, Punjab before joining CSIR-CSIO, Chandigarh in August 2016. He is presently working at CSIR-CSIO, Chandigarh. He is a Life member of the Institute of Engineers (IEI), India and Computer Society of India. He has published 85 papers in various journals, conferences and Book chapters with various reputed publishers. He has delivered more than 35 expert talks on various platforms basically on application of machine learning and deep learning algorithms for medical images. He is Editorial Board Member of International Journal of Image Mining published by Inderscience Publishers. His research interests include application of machine learning and deep learning algorithms for analysis of medical images.
H.S Bhadauria received his B-Tech in Computer Science and Engineering from Aligarh Muslim University, Aligarh in 1999, and M-Tech in Electronics Engineering from Aligarh Muslim University, Aligarh in 2004. He received his PhD on Detection and Segmentation of Brain Hemorrhage using CT images from Biomedical Signal and Image Processing Laboratory, Indian Institute of Technology - Roorkee in 2013. During his PhD he worked on enhancing the detection and segmentation of brain hemorrhage using CT imaging modality. He has served in academia for more than 12 years. He is presently serving as a Professor in the Department of Computer Science & Engineering at Govind Ballabh Pant Institute of Engineering and Technology, Pauri Garhwal, Uttarakhand. He is a life member of Institute of Engineers (IEI), India. He has published more than 60 research papers in International and National Journals and Conferences. His areas of research interest are Digital Image and Digital Signal Processing.
Papendra Kumar received his B.E in Computer Science and Engineering from Govind Ballabh Pant Institute of Engineering and Technology, Pauri Garhwal, Uttarakhand in 2007 and M-Tech in Digital Signal Processing from Govind Ballabh Pant Institute of Engineering and Technology, Pauri Garhwal, Uttarakhand in 2011. He is presently serving as an Assistant Professor in the Department of Computer Science & Engineering at Govind Ballabh Pant Institute of Engineering and Technology, Pauri Garhwal, Uttarakhand. His areas of research interest are Digital Image and Digital Signal Processing.
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
AHA-BUCH GmbH
Einbeck, Germania
Venditore AbeBooks dal 14 agosto 2006
Tariffe di spedizione da Germania a U.S.A.
| Articolo | Da 7 a 10 giorni lavorativi | Da 5 a 7 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 35,00 | EUR 45,00 |
Metodi di pagamento
- Assegno
- Bonifico bancario
- PayPal
Descrizione dello Store
Das Unternehmen AHA-BUCH GmbH: Seit der Gründung von AHA-BUCH im Juli 2005 ist unser Hauptziel, zufriedenen Kunden so schnell und so preisgünstig wie möglich ihren Bücherwunsch zu erfüllen. Unsere Firma beschäftigt 16 Mitarbeiter, die nur ein Ziel kennen: den Kunden und seine Wünsche! Auf über 3700 m2 Fläche haben wir über 100.000 Bücher, Modernes Antiquariat und Spiele auf Lager.
Specializzazione
Kinderbücher & Kinderhör Casetten, German Books, Software, Natur & Tiere, Ratgeber, Sachbücher, Englische Bücher, Medizin & Gesundheit, Universität & StudiumInformazioni sull’azienda del venditore
AHA-BUCH GmbH
Garlebsen 48
Einbeck, Germania 37574
Condizioni di vendita
Imprimere
Informazioni sul venditore:
AHA-BUCH GmbH
rappresentata dall'amministratore delegato Christel Glass
Garlebsen 48
37574 Einbeck
Germania
Telefono: 055639996039
Fax: 055639995974
E-Mail: abebooks@aha-buch.de
USt-IdNr.: DE261904229
registrato presso Registro delle imprese Amtsgerichtes Göttingen
Handelsregisternummer HRB 200691
Risoluzione alternativa delle controversie:
La Commissione europea fornisce una piattaforma per la risoluzione extragiudiziale delle controversie online (piattaforma ODR), accessibile nell'ambito di https://ec.europa.eu/odr.
Siamo membri dell'iniziativa "FairCommerce" dal 25.05.2018.
Per ulteriori informazioni, vedere www.fair-commerce.de.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a AHA-BUCH GmbH, Einbeck, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Spediamo il tuo ordine dopo averlo ricevuto
per articoli a portata di mano entro 24 ore,
per articoli con fornitura notturna entro 48 ore.
Nel caso in cui abbiamo bisogno di ordinare un articolo dal nostro fornitore, il nostro tempo di spedizione dipende dalla data di ricezione degli articoli, ma gli articoli verranno spediti lo stesso giorno.
Il nostro obiettivo è quello di inviare gli articoli ordinati nel modo più veloce, ma anche più efficiente e sicuro ai nostri clienti.