اکسپرس 24
ترجمه فارسی مقاله تشخیص داده‌های پرت در مجموعه داده‌های رادیولوژیکی بزرگ با استفاده از UMAP

ترجمه فارسی مقاله تشخیص داده‌های پرت در مجموعه داده‌های رادیولوژیکی بزرگ با استفاده از UMAP

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Outlier Detection in Large Radiological Datasets using UMAP
عنوان مقاله به فارسی تشخیص داده‌های پرت در مجموعه داده‌های رادیولوژیکی بزرگ با استفاده از UMAP
نویسندگان Mohammad Tariqul Islam, Jason W. Fleischer
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
دسته بندی موضوعات Image and Video Processing,Computer Vision and Pattern Recognition,پردازش تصویر و ویدیو , چشم انداز رایانه و تشخیص الگوی ,
توضیحات Submitted 31 July, 2024; v1 submitted 30 July, 2024; originally announced July 2024. , Comments: Accepted in MICCAI-2024 Workshop on Topology- and Graph-Informed Imaging Informatics (TGI3)
توضیحات به فارسی ارسال 31 ژوئیه 2024 ؛V1 ارسال شده 30 ژوئیه 2024 ؛در ابتدا در ژوئیه 2024 اعلام شد ، نظرات: در کارگاه MICCAI-2024 در مورد انفورماتیک تصویربرداری با آگاهانه و نمودار پذیرفته شده است (TGI3)

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 440,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The success of machine learning algorithms heavily relies on the quality of samples and the accuracy of their corresponding labels. However, building and maintaining large, high-quality datasets is an enormous task. This is especially true for biomedical data and for meta-sets that are compiled from smaller ones, as variations in image quality, labeling, reports, and archiving can lead to errors, inconsistencies, and repeated samples. Here, we show that the uniform manifold approximation and projection (UMAP) algorithm can find these anomalies essentially by forming independent clusters that are distinct from the main (good) data but similar to other points with the same error type. As a representative example, we apply UMAP to discover outliers in the publicly available ChestX-ray14, CheXpert, and MURA datasets. While the results are archival and retrospective and focus on radiological images, the graph-based methods work for any data type and will prove equally beneficial for curation at the time of dataset creation.

چکیده به فارسی (ترجمه ماشینی)

موفقیت الگوریتم های یادگیری ماشین به شدت به کیفیت نمونه ها و صحت برچسب های مربوطه متکی است.با این حال ، ساخت و نگهداری مجموعه داده های بزرگ و با کیفیت بالا یک کار عظیم است.این امر به ویژه در مورد داده های زیست پزشکی و برای متا مجموعه هایی که از نمونه های کوچکتر گردآوری می شوند ، صادق است ، زیرا تغییرات در کیفیت تصویر ، برچسب زدن ، گزارش ها و بایگانی می تواند منجر به خطا ، ناسازگاری و نمونه های مکرر شود.در اینجا ، ما نشان می دهیم که الگوریتم تقریب و پیش بینی یکنواخت و طرح ریزی (UMAP) می تواند اساساً با تشکیل خوشه های مستقل که از داده های اصلی (خوب) متمایز هستند اما مشابه سایر نقاط با همان نوع خطا هستند ، این ناهنجاری ها را پیدا کنند.به عنوان نمونه نماینده ، ما UMAP را برای کشف دور در دسترس در مجموعه داده های عمومی Chestx-Ray14 ، Chexpert و Mura اعمال می کنیم.در حالی که نتایج بایگانی و گذشته نگر است و بر روی تصاویر رادیولوژیکی تمرکز می کند ، روشهای مبتنی بر نمودار برای هر نوع داده کار می کنند و در زمان ایجاد مجموعه داده ها به همان اندازه مفید خواهند بود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.