Name: Individuazione di tumori ossei, cutanei e polmonari in una radiografia (en Italiano)
Price: 121932.00 COP
Availability: InStock
Author: Jadhav, Jagannath ; Chamakeri, Puneet ; Gurav, Prof Praveen
ISBN: 9786202834155

portada Individuazione di tumori ossei, cutanei e polmonari in una radiografia (en Italiano)

Individuazione di tumori ossei, cutanei e polmonari in una radiografia (en Italiano)

Formato

Libro Físico

Autor

Editorial

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.3 cm

Peso

0.10 kg.

ISBN13

9786202834155

Categorías

Ingeniería electrónica

Individuazione di tumori ossei, cutanei e polmonari in una radiografia (en Italiano)

Jagannath Jadhav (Autor) · Puneet Chamakeri (Autor) · Prof Praveen Gurav (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo Importado

Envío: 21 a 25 días háb.

$ 243.864$ 121.932

-50%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 121.932

¡Envío Gratis! Llega entre el 25 Ago y el 01 Sep a Bogota, Cundinamarca. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Individuazione di tumori ossei, cutanei e polmonari in una radiografia (en Italiano)"

L'apprendimento delle macchine sta diventando molto popolare con le sue applicazioni che raggiungono quasi tutti i campi della nostra vita quotidiana. Il machine learning è la scienza per prevedere i risultati traendo l'inferenza su modelli addestrati con dati familiari per prevedere i risultati in dati sconosciuti. Questo progetto propone l'approccio di machine learning per individuare e localizzare immagini che utilizzano diversi tipi di tumori in un apprendimento profondo. Il progetto proposto prevede lo sviluppo dell'interfaccia utente che può caricare l'immagine utilizzando il pulsante di caricamento e poi visualizzare i risultati relativi al tipo, alla pres-ence e al tipo di cancro nell'immagine. Questo approccio utilizza l'apprendimento automatico supervisionato per addestrare il modello utilizzando dati noti e quindi per prevedere i dati non noti dei raggi tumorali di 10 immagini che vengono alimentati utilizzando l'open 105. Per il progetto proposto il modello viene addestrato a rilevare il cancro osseo, della pelle e del polmone utilizzando l'apprendimento automatico e l'interfaccia uomo-macchina sviluppata.