Benutzer: Gast  Login
Originaltitel:
Random Forests for Medical Applications 
Übersetzter Titel:
Random Forests für Medizinische Anwendungen 
Jahr:
2012 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Navab, Nassir (Prof. Dr.) 
Gutachter:
Ayache, Nicholas (Prof., Ph.D.); Navab, Nassir (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik; MED Medizin 
Stichworte:
Machine Learning, Random Forests, Medical Image Analysis 
Übersetzte Stichworte:
Maschinelles Lernen, Random Forests, Analyse von medizinischen Bilder 
Schlagworte (SWD):
Entscheidungsbaum; Bildgebendes Verfahren; Bildverarbeitung 
TU-Systematik:
DAT 708d; MED 230d; DAT 760d; MAT 056d; MAT 624d 
Kurzfassung:
Machine learning incarnates a key component for integrating the knowldege and experience of physicians into medical imaging applications such as computer aided diagnosis, detection and segmentation. In the last decade, random forests became a popular ensemble learning algorithm, as they achieve state-of-the-art performance in numerous computer vision tasks. Consisting in an ensemble of independent decision trees, random forests are very intuitive models, that offer a flexible probabilistic frame...    »
 
Übersetzte Kurzfassung:
Maschinelles Lernen verkörpert eine wichtige Komponente um das Wissen und die Erfahrung medizinischer Experten in Bildgebungsanwendungen wie Computer-gestütze Diagnose, Erkennung und Segmentierung zu integrieren. Im letzten Jahrzehnt sind Random Forests ein populäres Algorithmus für "Ensemble Learning" geworden, da sie in zahlreichen Computer Vision Problemen state-of-the-art Ergebnisse erbringen. Als Ensemble von unabhängigen Entscheidungsbäume sind Random Forests sehr intuitive Modelle, die ei...    »
 
Mündliche Prüfung:
30.08.2012 
Dateigröße:
49545969 bytes 
Seiten:
204 
Letzte Änderung:
29.11.2013