Klassifizierung bösartiger Tumore: Eine praktische Herangehensweise

Dieses Buch richtet sich hauptsächlich an Studenten des maschinellen Lernens. Das Buch richtet sich auch an Forscher, die im Wissensbereich der biomedizinischen Bildgebung und der computergestützten Onkologie arbeiten. Dieses Buch zeigt einen ganzheitlichen Ansatz zur Klassifizierung bösartiger Tumore durch maschinelles Lernen. Es werden verschiedene Stufen der Bildanalyse und Bildsegmentierung mit Hilfe von MATLAB-Code aufgezählt. Die Data-Mining-Software WEKA wurde verwendet, um sowohl überwachte als auch unüberwachte Lernmethoden zu beschreiben. Jede einzelne Phase der Tumorklassifizierung - Merkmalsextraktion, Datenvorverarbeitung, Attributauswahl, Klassifizierung und Modellbewertung - wurde mit Hilfe von Screenshots genau erklärt. Ich hoffe, dass dieses Buch den Studenten, Forschern und Lehrern, die sich mit maschinellem Lernen beschäftigen, als Nachschlagewerk dienen wird.