Título :	Hybrid Machine Intelligence for Medical Image Analysis
Tipo de documento:	documento electrónico
Autores:	Bhattacharyya, Siddhartha, ; Konar, Debanjan, ; Platos, Jan, ; Kar, Chinmoy, ; Sharma, Kalpana,
Mención de edición:	1 ed.
Editorial:	Singapore [Malasya] : Springer
Fecha de publicación:	2020
Número de páginas:	XVI, 293 p. 179 ilustraciones, 114 ilustraciones en color.
ISBN/ISSN/DL:	978-981-1389306--
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Inteligencia artificial  Visión por computador  Reconocimiento de patrones automatizado  Procesamiento de la señal  Sistemas de reconocimiento de patrones
Índice Dewey:	621.382 Ingeniería de comunicaciones
Resumen:	El libro analiza el impacto del aprendizaje automático y los algoritmos computacionales inteligentes en el procesamiento de datos de imágenes médicas e introduce las últimas tendencias en tecnologías de aprendizaje automático e inteligencia computacional para el análisis inteligente de imágenes médicas. Los temas cubiertos incluyen la detección automatizada de regiones de interés de imágenes de resonancia magnética basadas en el centro de gravedad; detección de tumores cerebrales mediante detección de características de bajo nivel; segmentación automática de imágenes de resonancia magnética para la detección de tumores cerebrales utilizando la función de activación sigmoidea de múltiples niveles; y detección asistida por computadora de lesiones mamográficas utilizando redes neuronales convolucionales.
Nota de contenido:	Preface -- Introduction -- Brain Tumor Segmentation from T1 Weighted MRI Images Using Rough Set Reduct and Quantum Inspired Particle Swarm Optimization -- Automated Region of Interest detection of Magnetic Resonance (MR) images by Center of Gravity (CoG) -- Brain tumors detection through low level features detection and rotation estimation -- Automatic MRI Image Segmentation for Brain tumors detection using Multilevel Sigmoid Activation (MUSIG) function -- Automatic Segmentation of pulmonary nodules in CT Images for Lung Cancer detection using self-supervised Neural Network Architecture -- A Hierarchical Fused Fuzzy Deep Neural Network for MRI Image Segmentation and Brain Tumor Classification -- Computer Aided Detection of Mammographic Lesions using Convolutional Neural Network (CNN) -- Conclusion.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Hybrid Machine Intelligence for Medical Image Analysis [documento electrónico] / Bhattacharyya, Siddhartha, ; Konar, Debanjan, ; Platos, Jan, ; Kar, Chinmoy, ; Sharma, Kalpana,  . -  1 ed.  . - Singapore [Malasya] : Springer, 2020 . - XVI, 293 p. 179 ilustraciones, 114 ilustraciones en color.
ISBN : 978-981-1389306--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Inteligencia artificial  Visión por computador  Reconocimiento de patrones automatizado  Procesamiento de la señal  Sistemas de reconocimiento de patrones
Índice Dewey:	621.382 Ingeniería de comunicaciones
Resumen:	El libro analiza el impacto del aprendizaje automático y los algoritmos computacionales inteligentes en el procesamiento de datos de imágenes médicas e introduce las últimas tendencias en tecnologías de aprendizaje automático e inteligencia computacional para el análisis inteligente de imágenes médicas. Los temas cubiertos incluyen la detección automatizada de regiones de interés de imágenes de resonancia magnética basadas en el centro de gravedad; detección de tumores cerebrales mediante detección de características de bajo nivel; segmentación automática de imágenes de resonancia magnética para la detección de tumores cerebrales utilizando la función de activación sigmoidea de múltiples niveles; y detección asistida por computadora de lesiones mamográficas utilizando redes neuronales convolucionales.
Nota de contenido:	Preface -- Introduction -- Brain Tumor Segmentation from T1 Weighted MRI Images Using Rough Set Reduct and Quantum Inspired Particle Swarm Optimization -- Automated Region of Interest detection of Magnetic Resonance (MR) images by Center of Gravity (CoG) -- Brain tumors detection through low level features detection and rotation estimation -- Automatic MRI Image Segmentation for Brain tumors detection using Multilevel Sigmoid Activation (MUSIG) function -- Automatic Segmentation of pulmonary nodules in CT Images for Lung Cancer detection using self-supervised Neural Network Architecture -- A Hierarchical Fused Fuzzy Deep Neural Network for MRI Image Segmentation and Brain Tumor Classification -- Computer Aided Detection of Mammographic Lesions using Convolutional Neural Network (CNN) -- Conclusion.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i