مقاله کنفرانسی سال ۱۴۰۵ فارسی

تشخیص شدت کووید-۱۹ از تصاویر سی تی ریه با استفاده از یادگیری عمیق

چکیده مقاله

چکیده کامل این مقاله هنوز از منبع دریافت نشده است. اطلاعات کتاب‌شناختی و ارتباط‌های پژوهشی صفحه قابل استفاده‌اند و با تکمیل خزنده به‌روزرسانی می‌شوند.

کلیدواژه‌ها

نویسندگان

تصویر مهدی روحی ترکده

مهدی روحی ترکده

۱-کارشناسی ارشد مهندسی پزشکی گرایش بیوالکتریک دانشگاه علوم و تحقیقات

تصویر کیوان معقولی

کیوان معقولی

۲- استاد,گروه مهندسی پزشکی,دانشگاه آزاد اسلامی واحد الکترونیکی,تهران,ایران

تصویر رزومه علمی کاربران

رزومه علمی کاربران

درباره سیویلیکاتبلیغات در سیویلیکاآمار علمی ایرانتقویم علمی ایرانداده کاوی مقالاتطرح های پژوهشی

شیوه ارجاع

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید: روحی ترکده، مهدی و معقولی، کیوان و جعفرنیا دابانلو، نادر،1405،تشخیص شدت کووید-۱۹ از تصاویر سی تی ریه با استفاده از یادگیری عمیق،بیست و هشتمین کنفرانس ملی پژوهش های کاربردی در علوم برق، کامپیوتر و مهندسی پزشکی،شیروان،https://civilica.com/doc/2647881

ارائه‌شده در

پوستر مجموعه مقالات بیست و هشتمین کنفرانس ملی پژوهش های کاربردی در علوم برق، کامپیوتر و مهندسی پزشکی مجموعه مقالات بیست و هشتمین کنفرانس ملی پژوهش های کاربردی در علوم برق، کامپیوتر و مهندسی پزشکی31 خرداد 1405 · شیروان
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۵ ۲۲۳ مشاهده

ارائه چارچوبی کارا برای یادگیری فدرال مبتنی بر TinyML در دستگاه های لبه ای اینترنت اشیاء بارویکرد بهینه سازی مصرف انرژی

حریم خصوصییادگیری فدرالTinyML
مقاله کنفرانسی سال ۱۴۰۵ ۲۰۰ مشاهده

پردازش سیگنال های سونوگرافی با استفاده از تبدیل ویولت

پردازش سیگنالحذف نویزتبدیل موجک
مقاله کنفرانسی سال ۱۴۰۵ ۱۷۴ مشاهده

بهبود پروفیل ولتاژ در شبکه ۱۴ باسه IEEE با بهره گیری از باتری مقیاس بزرگ

باتری مقیاس بزرگپروفیل ولتاژمکان یابی
مقاله کنفرانسی سال ۱۴۰۵ ۱۲۵ مشاهده

مروری بر کاربرد هوش مصنوعی در تحلیل تصاویر شبکیه برای تشخیص بیماری های عصبی

یادگیری عمیقتصاویر شبکیهOCT
مقاله کنفرانسی سال ۱۴۰۵ ۱۲۲ مشاهده

طبقه بندی داده های پزشکی با شبکه عصبی ترکیبی RBF-ELM و توابع فعال سازی متنوع بهینه شده به کمک الگوریتم ژنتیک

ماشین یادگیری افراطیتوابع فعال سازیالگوریتم ژنتیک
مقاله کنفرانسی سال ۱۴۰۵ ۱۱۷ مشاهده

تحلیل کاربرد مدل های یادگیری عمیق در تشخیص سرطان ریه از تصاویر CT

تصاویر CTسرطان ریه: یادگیری عمیق