1. Jakie zadania mogą realizować sieci neuronowe w zastosowaniach biomedycznych
1.1. Uwagi wstępne
1.2. Sieć neuronowa jako model w zastosowaniach biomedycznych
1.3. Sieci neuronowe w przetwarzaniu danych biomedycznych
1.4. Zastosowanie sieci neuronowych przy analizie danych biomedycznych
1.5. Wspomaganie osób niepełnosprawnych z wykorzystaniem sieci neuronowych oraz ich zastosowanie w protetyce i terapii
1.6. Sieci neuronowe zastosowane do modelowania choroby, terapii oraz do prognozowania wyników leczenia
1.7. Podsumowanie
Bibliografia
Część I. Sieci neuronowe jako narzędzia przetwarzania sygnałów biomedycznych
2. Przygotowanie danych i planowanie eksperymentu
2.1. Wprowadzenie
2.2. Przygotowanie danych
2.3. Wybrane techniki przygotowania danych
2.4. Techniki planowania eksperymentu w modelowaniu neuronowym
2.5. Podsumowanie
Bibliografia
3. Wykorzystanie sieci neuronowych do przetwarzania sygnałów bioelektrycznych na przykładzie EKG
3.1. Wstęp
3.2. Interpretacja elektrokardiogramu – podejście klasyfikacyjne
3.3. Wyodrębnianie cech
3.4. Zastosowania sieci neuronowych w podstawowych analizach EKG
3.5. Zastosowania sieci neuronowych w specjalistycznych analizach EKG
3.6. Podsumowanie
Bibliografia
4. Przetwarzanie sygnałów ABR przy użyciu sieci neuronowych w zadaniach diagnostyki słuchu
4.1. Wprowadzenie
4.2. Wstępne przetwarzanie danych oraz algorytm wyznaczania maksimów
4.3. Zadanie uczenia sieci
4.4. Wyniki eksperymentów
4.5. Podsumowanie
Bibliografia
5. Sieci neuronowe w przetwarzaniu obrazów medycznych
5.1. Wstęp
5.2. Etap wstępnego przetwarzania obrazów
5.3. Segmentacja obrazów
5.4. Elementy rozpoznawania obrazów z wykorzystaniem sztucznych sieci neuronowych
5.5. Podsumowanie
Bibliografia
6. Wykorzystanie sieci neuronowych w tomografii komputerowej
6.1. Wstęp
6.2. Algebraiczne neuronalne algorytmy rekonstrukcyjne
6.3. Analityczne neuronalne algorytmy rekonstrukcyjne
6.4. Podsumowanie
Bibliografia
7. Neuronowo-rozmyte przetwarzanie obrazów cytologicznych w diagnostyce nowotworu piersi
7.1. Wstęp
7.2. Baza obrazów medycznych
7.3. Segmentacja obrazów mikroskopowych
7.4. Wyniki klasyfikacji
7.5. Podsumowanie
Bibliografia
8. Ocena jakości ziaren i nasion przy pomocy sieci neuronowych
8.1. Wstęp
8.2. Kryteria oceny jakości ziaren zbóż
8.3. Identyfikacja ziarniaków całych i połamanych
8.4. Metody umożliwiające ocenę czystości odmianowej ziarna zbóż
8.5. Identyfikacja ziarna porażonego mikrobiologicznie
8.6. Identyfikacja ziarna porażonego mikrobiologicznie z wykorzystaniem elektronicznego nosa i sieci neuronowych
8.7. Identyfikacja nasion rzepaku porażonego mikrobiologicznie z wykorzystaniem elektronicznego nosa i sieci neuronowych
8.8. Opisy najczęściej wykorzystywanych sieci neuronowych oraz strategii analizy otrzymanych wyników
8.9. Podsumowanie i perspektywy
Bibliografia
9. Wykorzystanie wiedzy eksperckiej w sieci RBF na przykładzie zadania segmentacji obrazów medycznych
9.1. Wprowadzenie
9.2. Problem medyczny
9.3. Sieć radialna
9.4. Zastosowanie
9.5. Zakończenie
Bibliografia
Część II. Zastosowanie sieci neuronowych do analizy danych medycznych oraz do wspomagania procesu diagnostycznego
10. Sieci neuronowe w ocenie prawdopodobieństwa istnienia raka jajnika u kobiet z guzami przydatkowymi
10.1. Wprowadzenie
10.2. Charakterystyka materiału badawczego
10.3. Zastosowanie sztucznych sieci neuronowych w problemie klasyfikacyjnym
10.4. Zastosowanie sztucznych sieci neuronowych w diagnostyce różnicowej guzów przydatkowych
10.5. Ocena możliwości wspomagania diagnostyki różnicowej guzów przydatkowych
10.6. Podsumowanie
Bibliografia
11. Wykorzystanie sieci neuronowych i metody wektorów nośnych SVM w procesie rozpoznawania aktywności ruchowej pacjentów dotkniętych chorobą Parkinsona
11.1. Wprowadzenie
11.2. Rejestracja sygnałów biomedycznych
11.3. Parametryzacja sygnałów przyspieszenia
11.4. Stosowane klasyfikatory
11.5. Eksperymenty
11.6. Prace rozwojowe
11.7. Podsumowanie
12. Zastosowanie sieci neuronowych w analizie wyników badania spirometrycznego
12.1. Wstęp
12.2. Badanie spirometryczne
12.3. Klasyfikacja wyników badania spirometrycznego
12.4. Inne badania dotyczące analizy spirogramu
12.5. Podsumowanie
Bibliografia
13. Analiza sygnałów EEG za pomocą sztucznych sieci neuronowych
13.1. Wstęp
13.2. Rejestrowanie sygnału EEG
13.3. Analiza sygnału EEG
13.4. Zakres zastosowań sieci neuronowych w analizie EEG
13.5. Przykłady zastosowań
13.6. Podsumowanie i wnioski
Bibliografia
14. Wykorzystanie wielowarstwowych sieci perceptronowych dla wspomagania obrazowej diagnostyki medycznej
14.1. Wprowadzenie
14.2. Tekstura obrazu
14.3. Klasyfikacja tekstury z wykorzystaniem sieci perceptronowych
14.4. Redukcja wymiarowości przestrzeni cech tekstury
14.5. Przykłady zastosowań wielowarstwowych sieci perceptronowych dla wspomagania obrazowej diagostyki medycznej
14.6. Podsumowanie
Bibliografia
15. Sieci neuronowe w bioinformatyce
15.1 Wprowadzenie
15.2. Struktury drugorzędowe
15.3. Dostępność białka dla cząsteczek rozpuszczalnika
15.4. Podsumowanie
Bibliografia
Część III. Wspomaganie osób niepełnosprawnych z wykorzystaniem sieci neuronowych oraz ich wykorzystanie w protetyce i terapii
16. Neuronowe systemy sterowania urządzeniami wspomagającymi samoobsługę osób niepełnosprawnych wykorzystujące ocenę sygnałów biologicznych
16.1. Wstęp
16.2. Sieci neuronowe w urządzeniach samoobsługi osób niepełnosprawnych
16.3. Analiza i rozpoznawanie sygnałów biologicznych przydatnych w sterowaniu urządzeniami przez niepełnosprawnych
16.4. Implementacja sieci neuronowych w urządzeniach HCI
16.5. Podsumowanie
Bibliografia
17. Rozpoznawanie ruchów i gestów wykonywanych ustami w obrazie wizyjnym z użyciem sieci neuronowych
17.1. Wprowadzenie
17.2. Opis interfejsu
17.3. Wyznaczanie wektora cech obrazu ust
17.4. Sztuczna sieć neuronowa jako klasyfikator gestów wykonywanych ustami
17.5. Eksperymenty i wyniki
17.6. Podsumowanie
Bibliografia
18. Sieci neuronowe oparte na strukturze Hopfielda w układach wspomagania osób niedowidzących
18.1. Wprowadzenie
18.2. Podstawowe wiadomości dotyczące stereowizji
18.3. Model układu stereowizyjnego
18.4. Systematyka problemów występujących w zagadnieniu dopasowania stereowizyjnego
18.5. Istniejący stan wiedzy w zakresie tematu badań
18.6. Opis sieci neuronowych opartych na strukturze Hopfielda w zagadnieniu dopasowania stereowizyjnego
18.7. Funkcja energii dla sieci neuronowej typu Hopfielda
18.8. Hybrydowa sieć maksymalna
18.9. Sieć ciągła samokorygująca
18.10. Sieć ciągła samokorygująca
18.11. Badania symulacyjne klasycznych sieci neuronowych opartych na strukturze Hopfielda
18.12. Symulacja działania hybrydowej sieci maksymalnej
18.13. Symulacja działania sieci ciągłej samokorygującej
18.14. Podsumowanie
Bibliografia
19. Perspektywy zastosowań impulsowej sieci neuronowej w systemach maszynowego sprzęgania układu nerwowego
19.1. Wprowadzenie
19.2. Systemy maszynowego sprzęgania układu nerwowego
19.3. Impulsowe sieci neuronowe
19.4. Sieci impulsowe w systemach maszynowego sprzęgania układu nerwowego
19.5. Dyskusja
Bibliografia
20. Neuronowe modele przewidujące własności biomateriałów
20.1. Wprowadzenie
20.2. Idea QSPR
20.3. Rodzaje modeli neuronowych
20.4. Podział zbioru danych na podgrupy
20.5. Dobór zmiennych
20.6. Błąd wartości przewidywanej
20.7. Przewidywanie własności polimerów
20.8. Podsumowanie
Bibliografia
Aneks. Sieci kaskadowo-korelacyjne i sieci rekursywne
Część IV. Sieci neuronowe zastosowane do modelowania choroby, terapii oraz do prognozowania wyników leczenia
21. Zastosowania sieci neuronowych w analizie przeżycia
21.1. Wstęp
21.2. Podział zbioru danych na podgrupy
21.3. Zastosowanie sieci neuronowych w analizie przeżycia w przypadku raka jajnika
Bibliografia
22. Samooptymalizujące sieci neuronowe jako narzędzie wspomagające w długoterminowym przewidywaniu ryzyka wystąpienia ponownego zawału serca
22.1. Samooptymalizujące sieci neuronowe – idea
22.2. Samooptymalizujące sieci neuronowe a dane ciągłe
22.3. Algorym uczenia nienadzorowanego
22.4. SONN działający na danych ciągłych – praktyczne wykorzystanie do analizy danych medycznych
22.5. Podusmowanie
Bibliografia
23. Zastosowanie sieci neuronowych w analizie rokowniczej u chorych leczonych przeszczepieniem komórek krwiotwórczych
23.1. Wstęp
23.2. Kluczowe pojęcia
23.3. Przeszczepianie krok po kroku
23.4. Powikłania związane z przeszczepieniem komórek krwiotwórczych
23.5. Podsumowanie
Bibliografia
24. Klasyfikacja i analiza bólów kręgosłupa przy pomocy sztucznych sieci neuronowych
24.1. Wprowadzenie
24.2. Bóle krzyża – zarys problemu
24.3. Sieci neuronowe w klasyfikacji bólów kręgosłupa
24.4. Podsumowanie
Bibliografia
25. Ekstrakcja reguł z sieci neuronowych
25.1. Wprowadzenie
25.2. Ekstrakcja wiedzy z sieci neuronowych – opis problemu
25.3. GEX – genetyczna metoda ekstrakcji reguł z sieci neuronowej
25.4. Ocena eksperymentalna metody
25.5. Podsumowanie
Bibliografia
26. Modelowanie pnia mózgu
26.1. Wprowadzenie
26.2. Pień mózgu: podstawowe informacje
26.3. Modele pnia mózgu i śródmózgowia
26.4. Założenia do symulacji pnia mózgu
26.5. Wybór środowiska symulacyjnego
26.6. Implementacja i przykłady realizacji modeli pnia mózgu
26.7. Dyskusja i kierunki dalszych badań
26.8. Podsumowanie
Bibliografia
27. Sieci neuronowe w modelowaniu chorób psychicznych
27.1. Wprowadzenie
27.2. Komputerowa psychiatria
27.3. Spektrum autyzmu i ADHD
27.4. Symulacja deficytów uwagi w ASD i ADHD
27.5. Podsumowanie
Bibliografia
Dodatek – Kompedium sieci neuronowych
Wprowadzenie
Zestaw haseł Kompedium1. Jakie zadania mogą realizować sieci neuronowe w zastosowaniach biomedycznych
1.1. Uwagi wstępne
1.2. Sieć neuronowa jako model w zastosowaniach biomedycznych
1.3. Sieci neuronowe w przetwarzaniu danych biomedycznych
1.4. Zastosowanie sieci neuronowych przy analizie danych biomedycznych
1.5. Wspomaganie osób niepełnosprawnych z wykorzystaniem sieci neuronowych oraz ich zastosowanie w protetyce i terapii
1.6. Sieci neuronowe zastosowane do modelowania choroby, terapii oraz do prognozowania wyników leczenia
1.7. Podsumowanie
Bibliografia
Część I. Sieci neuronowe jako narzędzia przetwarzania sygnałów biomedycznych
2. Przygotowanie danych i planowanie eksperymentu
2.1. Wprowadzenie
2.2. Przygotowanie danych
2.3. Wybrane techniki przygotowania danych
2.4. Techniki planowania eksperymentu w modelowaniu neuronowym
2.5. Podsumowanie
Bibliografia
3. Wykorzystanie sieci neuronowych do przetwarzania sygnałów bioelektrycznych na przykładzie EKG
3.1. Wstęp
3.2. Interpretacja elektrokardiogramu – podejście klasyfikacyjne
3.3. Wyodrębnianie cech
3.4. Zastosowania sieci neuronowych w podstawowych analizach EKG
3.5. Zastosowania sieci neuronowych w specjalistycznych analizach EKG
3.6. Podsumowanie
Bibliografia
4. Przetwarzanie sygnałów ABR przy użyciu sieci neuronowych w zadaniach diagnostyki słuchu
4.1. Wprowadzenie
4.2. Wstępne przetwarzanie danych oraz algorytm wyznaczania maksimów
4.3. Zadanie uczenia sieci
4.4. Wyniki eksperymentów
4.5. Podsumowanie
Bibliografia
5. Sieci neuronowe w przetwarzaniu obrazów medycznych
5.1. Wstęp
5.2. Etap wstępnego przetwarzania obrazów
5.3. Segmentacja obrazów
5.4. Elementy rozpoznawania obrazów z wykorzystaniem sztucznych sieci neuronowych
5.5. Podsumowanie
Bibliografia
6. Wykorzystanie sieci neuronowych w tomografii komputerowej
6.1. Wstęp
6.2. Algebraiczne neuronalne algorytmy rekonstrukcyjne
6.3. Analityczne neuronalne algorytmy rekonstrukcyjne
6.4. Podsumowanie
Bibliografia
7. Neuronowo-rozmyte przetwarzanie obrazów cytologicznych w diagnostyce nowotworu piersi
7.1. Wstęp
7.2. Baza obrazów medycznych
7.3. Segmentacja obrazów mikroskopowych
7.4. Wyniki klasyfikacji
7.5. Podsumowanie
Bibliografia
8. Ocena jakości ziaren i nasion przy pomocy sieci neuronowych
8.1. Wstęp
8.2. Kryteria oceny jakości ziaren zbóż
8.3. Identyfikacja ziarniaków całych i połamanych
8.4. Metody umożliwiające ocenę czystości odmianowej ziarna zbóż
8.5. Identyfikacja ziarna porażonego mikrobiologicznie
8.6. Identyfikacja ziarna porażonego mikrobiologicznie z wykorzystaniem elektronicznego nosa i sieci neuronowych
8.7. Identyfikacja nasion rzepaku porażonego mikrobiologicznie z wykorzystaniem elektronicznego nosa i sieci neuronowych
8.8. Opisy najczęściej wykorzystywanych sieci neuronowych oraz strategii analizy otrzymanych wyników
8.9. Podsumowanie i perspektywy
Bibliografia
9. Wykorzystanie wiedzy eksperckiej w sieci RBF na przykładzie zadania segmentacji obrazów medycznych
9.1. Wprowadzenie
9.2. Problem medyczny
9.3. Sieć radialna
9.4. Zastosowanie
9.5. Zakończenie
Bibliografia
Część II. Zastosowanie sieci neuronowych do analizy danych medycznych oraz do wspomagania procesu diagnostycznego
10. Sieci neuronowe w ocenie prawdopodobieństwa istnienia raka jajnika u kobiet z guzami przydatkowymi
10.1. Wprowadzenie
10.2. Charakterystyka materiału badawczego
10.3. Zastosowanie sztucznych sieci neuronowych w problemie klasyfikacyjnym
10.4. Zastosowanie sztucznych sieci neuronowych w diagnostyce różnicowej guzów przydatkowych
10.5. Ocena możliwości wspomagania diagnostyki różnicowej guzów przydatkowych
10.6. Podsumowanie
Bibliografia
11. Wykorzystanie sieci neuronowych i metody wektorów nośnych SVM w procesie rozpoznawania aktywności ruchowej pacjentów dotkniętych chorobą Parkinsona
11.1. Wprowadzenie
11.2. Rejestracja sygnałów biomedycznych
11.3. Parametryzacja sygnałów przyspieszenia
11.4. Stosowane klasyfikatory
11.5. Eksperymenty
11.6. Prace rozwojowe
11.7. Podsumowanie
12. Zastosowanie sieci neuronowych w analizie wyników badania spirometrycznego
12.1. Wstęp
12.2. Badanie spirometryczne
12.3. Klasyfikacja wyników badania spirometrycznego
12.4. Inne badania dotyczące analizy spirogramu
12.5. Podsumowanie
Bibliografia
13. Analiza sygnałów EEG za pomocą sztucznych sieci neuronowych
13.1. Wstęp
13.2. Rejestrowanie sygnału EEG
13.3. Analiza sygnału EEG
13.4. Zakres zastosowań sieci neuronowych w analizie EEG
13.5. Przykłady zastosowań
13.6. Podsumowanie i wnioski
Bibliografia
14. Wykorzystanie wielowarstwowych sieci perceptronowych dla wspomagania obrazowej diagnostyki medycznej
14.1. Wprowadzenie
14.2. Tekstura obrazu
14.3. Klasyfikacja tekstury z wykorzystaniem sieci perceptronowych
14.4. Redukcja wymiarowości przestrzeni cech tekstury
14.5. Przykłady zastosowań wielowarstwowych sieci perceptronowych dla wspomagania obrazowej diagostyki medycznej
14.6. Podsumowanie
Bibliografia
15. Sieci neuronowe w bioinformatyce
15.1 Wprowadzenie
15.2. Struktury drugorzędowe
15.3. Dostępność białka dla cząsteczek rozpuszczalnika
15.4. Podsumowanie
Bibliografia
Część III. Wspomaganie osób niepełnosprawnych z wykorzystaniem sieci neuronowych oraz ich wykorzystanie w protetyce i terapii
16. Neuronowe systemy sterowania urządzeniami wspomagającymi samoobsługę osób niepełnosprawnych wykorzystujące ocenę sygnałów biologicznych
16.1. Wstęp
16.2. Sieci neuronowe w urządzeniach samoobsługi osób niepełnosprawnych
16.3. Analiza i rozpoznawanie sygnałów biologicznych przydatnych w sterowaniu urządzeniami przez niepełnosprawnych
16.4. Implementacja sieci neuronowych w urządzeniach HCI
16.5. Podsumowanie
Bibliografia
17. Rozpoznawanie ruchów i gestów wykonywanych ustami w obrazie wizyjnym z użyciem sieci neuronowych
17.1. Wprowadzenie
17.2. Opis interfejsu
17.3. Wyznaczanie wektora cech obrazu ust
17.4. Sztuczna sieć neuronowa jako klasyfikator gestów wykonywanych ustami
17.5. Eksperymenty i wyniki
17.6. Podsumowanie
Bibliografia
18. Sieci neuronowe oparte na strukturze Hopfielda w układach wspomagania osób niedowidzących
18.1. Wprowadzenie
18.2. Podstawowe wiadomości dotyczące stereowizji
18.3. Model układu stereowizyjnego
18.4. Systematyka problemów występujących w zagadnieniu dopasowania stereowizyjnego
18.5. Istniejący stan wiedzy w zakresie tematu badań
18.6. Opis sieci neuronowych opartych na strukturze Hopfielda w zagadnieniu dopasowania stereowizyjnego
18.7. Funkcja energii dla sieci neuronowej typu Hopfielda
18.8. Hybrydowa sieć maksymalna
18.9. Sieć ciągła samokorygująca
18.10. Sieć ciągła samokorygująca
18.11. Badania symulacyjne klasycznych sieci neuronowych opartych na strukturze Hopfielda
18.12. Symulacja działania hybrydowej sieci maksymalnej
18.13. Symulacja działania sieci ciągłej samokorygującej
18.14. Podsumowanie
Bibliografia
19. Perspektywy zastosowań impulsowej sieci neuronowej w systemach maszynowego sprzęgania układu nerwowego
19.1. Wprowadzenie
19.2. Systemy maszynowego sprzęgania układu nerwowego
19.3. Impulsowe sieci neuronowe
19.4. Sieci impulsowe w systemach maszynowego sprzęgania układu nerwowego
19.5. Dyskusja
Bibliografia
20. Neuronowe modele przewidujące własności biomateriałów
20.1. Wprowadzenie
20.2. Idea QSPR
20.3. Rodzaje modeli neuronowych
20.4. Podział zbioru danych na podgrupy
20.5. Dobór zmiennych
20.6. Błąd wartości przewidywanej
20.7. Przewidywanie własności polimerów
20.8. Podsumowanie
Bibliografia
Aneks. Sieci kaskadowo-korelacyjne i sieci rekursywne
Część IV. Sieci neuronowe zastosowane do modelowania choroby, terapii oraz do prognozowania wyników leczenia
21. Zastosowania sieci neuronowych w analizie przeżycia
21.1. Wstęp
21.2. Podział zbioru danych na podgrupy
21.3. Zastosowanie sieci neuronowych w analizie przeżycia w przypadku raka jajnika
Bibliografia
22. Samooptymalizujące sieci neuronowe jako narzędzie wspomagające w długoterminowym przewidywaniu ryzyka wystąpienia ponownego zawału serca
22.1. Samooptymalizujące sieci neuronowe – idea
22.2. Samooptymalizujące sieci neuronowe a dane ciągłe
22.3. Algorym uczenia nienadzorowanego
22.4. SONN działający na danych ciągłych – praktyczne wykorzystanie do analizy danych medycznych
22.5. Podusmowanie
Bibliografia
23. Zastosowanie sieci neuronowych w analizie rokowniczej u chorych leczonych przeszczepieniem komórek krwiotwórczych
23.1. Wstęp
23.2. Kluczowe pojęcia
23.3. Przeszczepianie krok po kroku
23.4. Powikłania związane z przeszczepieniem komórek krwiotwórczych
23.5. Podsumowanie
Bibliografia
24. Klasyfikacja i analiza bólów kręgosłupa przy pomocy sztucznych sieci neuronowych
24.1. Wprowadzenie
24.2. Bóle krzyża – zarys problemu
24.3. Sieci neuronowe w klasyfikacji bólów kręgosłupa
24.4. Podsumowanie
Bibliografia
25. Ekstrakcja reguł z sieci neuronowych
25.1. Wprowadzenie
25.2. Ekstrakcja wiedzy z sieci neuronowych – opis problemu
25.3. GEX – genetyczna metoda ekstrakcji reguł z sieci neuronowej
25.4. Ocena eksperymentalna metody
25.5. Podsumowanie
Bibliografia
26. Modelowanie pnia mózgu
26.1. Wprowadzenie
26.2. Pień mózgu: podstawowe informacje
26.3. Modele pnia mózgu i śródmózgowia
26.4. Założenia do symulacji pnia mózgu
26.5. Wybór środowiska symulacyjnego
26.6. Implementacja i przykłady realizacji modeli pnia mózgu
26.7. Dyskusja i kierunki dalszych badań
26.8. Podsumowanie
Bibliografia
27. Sieci neuronowe w modelowaniu chorób psychicznych
27.1. Wprowadzenie
27.2. Komputerowa psychiatria
27.3. Spektrum autyzmu i ADHD
27.4. Symulacja deficytów uwagi w ASD i ADHD
27.5. Podsumowanie
Bibliografia
Dodatek – Kompedium sieci neuronowych
Wprowadzenie
Zestaw haseł Kompedium
Opinie
Na razie nie ma opinii o produkcie.