Dokladne przewidywanie i analiza chor b nowotworowych odgrywa kluczową rolę w poprawie wynik w pacjent w i planowaniu leczenia. W niniejszej rozprawie doktorskiej opracowano model przewidywania i analizy raka przy użyciu algorytm w glębokiego uczenia, w szczeg lności sztucznych sieci neuronowych (ANN) i konwolucyjnych sieci neuronowych (CNN), z wykorzystaniem obraz w PET/CT. System ma na celu zwiększenie dokladności i skuteczności diagnozy raka oraz zapewnia cenne informacje do podejmowania decyzji dotyczących leczenia. System wykorzystuje moc modeli glębokiego uczenia się, o kt rych wiadomo, że dostarczają cennych informacji na temat metabolizmu raka i struktur anatomicznych. Trenując modele CNN na dużym zbiorze danych obraz w PET/CT z adnotacjami, system może nauczyc się rozpoznawac wzorce i cechy wskazujące na regiony nowotworowe. Aby ocenic dokladnośc systemu, zastosowano wskaźniki wydajności, takie jak Intersection over Union (IoU) i F-measure. IoU mierzy nakladanie się przewidywanych region w nowotworowych i adnotacji prawdy naziemnej, podczas gdy miara F ocenia r wnowagę między precyzją i wycofaniem przewidywań. Wskaźniki te zapewniają ilościowe miary wydajności systemu.
ThriftBooks sells millions of used books at the lowest everyday prices. We personally assess every book's quality and offer rare, out-of-print treasures. We deliver the joy of reading in recyclable packaging with free standard shipping on US orders over $15. ThriftBooks.com. Read more. Spend less.