Algoritm iskusstwennyh nejronnyh setej dlq diagnostiki wypadeniq wolos u cheloweka

Ruský jazyk

Algoritm iskusstwennyh nejronnyh setej dlq diagnostiki wypadeniq wolos u cheloweka

Vydavateľstvo: Sciencia Scripts
Rok vydania: 2023
Formát: Paperback
Rozmer: 220 x 150 mm
Jazyk: Ruský jazyk
ISBN: 9786205686638

Na objednávku

33.12 €

bežná cena: 36.80 €

O knihe

V ätoj knige iskusstwennye nejronnye seti (INS) ispol'zuütsq dlq diagnostiki wypadeniq wolos u pacientow. Autoimmunnoe zabolewanie, izwestnoe kak Alopecia Areata (AA), priwodit k wypadeniü wolos w porazhennoj oblasti. Poslednie dannye po wsemu miru pokazywaüt, chto AA porazhaet 1 iz 1000 chelowek, a chastota zabolewaemosti sostawlqet 2%. Naprimer, klassifikaciq wazhna w oblasti mediciny, poskol'ku odna iz osnownyh zadach wracha - ustanowit' nalichie ili otsutstwie zabolewaniq u pacienta. Cel' dannogo issledowaniq - ocenit' tochnost' nejronnyh setej dlq obnaruzheniq alopecii u lüdej. Zdorowye wolosy (ZV) i alopeciq (AA) imeüt klassifikacionnuü strukturu IA, kotoraq budet podwergnuta IS, wklüchaq uluchshenie i segmentaciü CLAHE. Zatem, dlq powysheniq tochnosti predlozhennoj shemy, bylo ispol'zowano uwelichenie dannyh (DA) dlq generacii dopolnitel'nyh dannyh. Zatem dlq izwlecheniq priznakow byla ispol'zowana predwaritel'no obuchennaq model' CNN VGG- 19. Dlq sozdaniq modeli mashinnogo obucheniq ispol'zowalsq podhod klassifikacii Support Vector Machine (SVM). Ostawshiesq izobrazheniq serii byli ispol'zowany dlq testirowaniq. Predlozhennaq model' VGG-SVM prodemonstrirowala tochnost' 98,31% pri modelirowanii.