DETECÇÃO DE CASOS CERATOCONE E NÃO
Uitgelicht
|
71,43 |
Naar shop
|
|
71,43 |
Naar shop
|
|
75,90 |
Naar shop
|
Beschrijving
Bol
A córnea, que fornece mais de dois terços do poder de focagem do olho, é altamente sensível a alterações de curvatura, mesmo que pequenas, que podem afetar significativamente a visão. O ceratocone é uma doença progressiva caracterizada pelo adelgaçamento da córnea, que conduz à miopia e ao astigmatismo irregular, tornando a deteção precoce essencial para uma gestão eficaz.Este livro apresenta um sistema médico especializado para a deteção precoce do ceratocone usando um conjunto de dados recém-desenvolvido, o Real Clinical Dataset for Keratoconus (RCDK), que inclui vários mapas da córnea, como curvatura axial/sagital, espessura e elevação. Técnicas avançadas de pré-processamento são aplicadas para melhorar a qualidade da imagem. Uma abordagem de Inteligência Artificial baseada em modelos de Aprendizagem Profunda é utilizada para analisar estes mapas. Cada modelo processa um mapa específico e uma técnica de fusão combina os seus resultados para melhorar a precisão do diagnóstico. Utilizando 704 imagens, o sistema alcançou elevadas precisões individuais que variam entre 90% e 97,14%, enquanto o método de fusão alcançou 100% de precisão.O sistema é implementado em Raspberry Pi 4 com Python e uma interface de fácil utilização.
A córnea, que fornece mais de dois terços do poder de focagem do olho, é altamente sensível a alterações de curvatura, mesmo que pequenas, que podem afetar significativamente a visão. O ceratocone é uma doença progressiva caracterizada pelo adelgaçamento da córnea, que conduz à miopia e ao astigmatismo irregular, tornando a deteção precoce essencial para uma gestão eficaz.Este livro apresenta um sistema médico especializado para a deteção precoce do ceratocone usando um conjunto de dados recém-desenvolvido, o Real Clinical Dataset for Keratoconus (RCDK), que inclui vários mapas da córnea, como curvatura axial/sagital, espessura e elevação. Técnicas avançadas de pré-processamento são aplicadas para melhorar a qualidade da imagem. Uma abordagem de Inteligência Artificial baseada em modelos de Aprendizagem Profunda é utilizada para analisar estes mapas. Cada modelo processa um mapa específico e uma técnica de fusão combina os seus resultados para melhorar a precisão do diagnóstico. Utilizando 704 imagens, o sistema alcançou elevadas precisões individuais que variam entre 90% e 97,14%, enquanto o método de fusão alcançou 100% de precisão.O sistema é implementado em Raspberry Pi 4 com Python e uma interface de fácil utilização.
AmazonPagina's: 136, Paperback, Edições Nosso Conhecimento
Prijzen voor het laatst bijgewerkt op: