Black Week: 12% Rabatt auf ausgewählte Technik*  Jetzt kaufen
Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air GenerationiPhone Duo Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
NothingAlle anzeigen
Phone (1)
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
SonyAlle anzeigen
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
GoogleKobo
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
Samyang
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
Bowers & WilkinsFairphoneGoogle
LautsprecherAlle anzeigen
Yamahatonies
Smart SpeakerAlle anzeigen
Google
SoundbarsAlle anzeigen
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Système de prédiction et d'analyse de la maladie cancéreuse à l'aide de l'algorithme DL

Thigale, Somnath, Chavan, Tukaram, Birajdar, Prathamesh (Broschiert, Französisch)

Optischer Zustand
Beschreibung
La prédiction et l'analyse précises des maladies cancéreuses jouent un rôle crucial dans l'amélioration des résultats pour les patients et la planification des traitements. Dans cette thèse, le modèle de prédiction et d'analyse du cancer utilise des algorithmes d'apprentissage profond, en particulier des réseaux neuronaux artificiels (ANN) et des réseaux neuronaux convolutifs (CNN), avec…  l'utilisation d'images PET/CT. Le système vise à améliorer la précision et l'efficacité du diagnostic du cancer et à fournir des informations précieuses pour la prise de décisions concernant le traitement. Le système tire parti de la puissance des modèles d'apprentissage profond, connus pour fournir des informations précieuses sur le métabolisme du cancer et les structures anatomiques. En entraînant les modèles CNN sur un vaste ensemble de données d'images PET/CT annotées, le système peut apprendre à reconnaître des modèles et des caractéristiques indiquant des régions cancéreuses. Pour évaluer la précision du système, des mesures de performance telles que l'intersection sur l'union (IoU) et la mesure F sont utilisées. L'IoU mesure le chevauchement entre les régions cancéreuses prédites et les annotations de la vérité de terrain, tandis que la F-measure évalue l'équilibre entre la précision et le rappel des prédictions. Ces paramètres fournissent des mesures quantitatives de la performance du système.
43,90 €
Broschiert | Neu

oder

Auf Lager Versandbereit in 3-4 Werktagen
zzgl.

Du kannst wie immer einen Kaufalarm setzen, wenn du auf das gebrauchte Buch warten möchtest.

Auf Lager Versandbereit in 3-4 Werktagen
zzgl.

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Details


Erscheinungsdatum
17.08.2025
Sprache
Französisch
EAN
9786208642310
Autor
Thigale, Somnath, Chavan, Tukaram, Birajdar, Prathamesh
Einbandart
Broschiert
Höhe
220 mm
Breite
150 mm

Auf gebrauchten Artikeln oder Originalverpackungen sichtbare Umwelt-, Nachhaltigkeits- oder Zertifizierungsangaben stammen aus der ursprünglichen Herstellerkennzeichnung. Sie stellen keine eigene aktuelle Umwelt- oder Nachhaltigkeitsaussage von rebuy dar. Maßgeblich für das Angebot sind ausschließlich die von rebuy in der Artikelbeschreibung angegebenen Produkteigenschaften.

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!