SIECI NEURONOWE W INŻYNIERII BIOMEDYCZNEJ TOM 9

Spis treści:

92.40

Na stanie

Spis treści:

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

Autor

ISBN

978-83-7837-024-6

Liczba stron

Rok wydania

Wydawca

Opinie

Na razie nie ma opinii o produkcie.

Napisz pierwszą opinię o „SIECI NEURONOWE W INŻYNIERII BIOMEDYCZNEJ TOM 9”