Bewertung der Segmentierungsleistung durch den Dice-Index: Ergebnisse und Analysen von CNN-Architekturen und aktiven Konturen Optimierung der Bildsegmentierung bei Brustultraschallbildern: Eine Analyse von Deep Learning und aktiven Konturen Die Bildsegmentierung ist ein entscheidender Schritt in der medizinischen Bildverarbeitung, insbesondere bei der ...
Datensatzbeschreibung: Untersuchung der MIMIC-IV-Daten und deren Einsatz in einem personalisierten Medikamentenempfehlungssystem Optimierung der Medikamentenempfehlung mit EHR-Daten: Ein Überblick über das KGDNet-Framework Einleitung In der modernen Medizin ist die Personalisierung von Behandlungsempfehlungen eine der größten Herausforderungen. Die Verwendung von elektronischen Gesundheitsakten ...
Dynamische Modellierung in Netzwerken: Der Einfluss der Architekturauswahl auf die Vorhersagegenauigkeit von Graph Neural Networks Graphneuronale Vektorfelder: Ein neuer Ansatz zur Modellierung dynamischer Netzwerke Einleitung In der heutigen Zeit gewinnen grafbasierte Lernmethoden zunehmend an Bedeutung, insbesondere bei der Analyse komplexer ...
Die Schätzung der Mannigfaltigkeitskrümmung erfolgt durch verschiedene Ansätze, darunter die Verwendung von lokalen Unterräumen und gewichteten Winkelkonzepten. Das Konzept des lokalen Unterraums und der gewichteten Winkel wird verwendet, um die Krümmung von Klassenmannigfaltigkeiten in tiefe neuronale Netzwerke zu analysieren. Die ...
Künstliche Intelligenz und maschinelles Lernen haben nicht nur Schlagzeilen gemacht und für Blockbuster-Filme gesorgt; sie sind dabei, einen echten Unterschied in unserem Alltag zu machen, beispielsweise bei selbstfahrenden Autos und lebensrettenden medizinischen Geräten. Laut der Global Big Data Conference gestaltet ...
Neuronale Netzwerke, die aus Lichtwellen aufgebaut sind, könnten viel vielseitigere, skalierbarere und energieeffizientere KI-Systeme ermöglichen. Bild generiert von Dall-E 3 über ChatGPT. Traditionelle KI-Systeme, die auf tiefen künstlichen neuronalen Netzwerken basieren und in Computern laufen, erfordern enorme Mengen an Rechenressourcen ...
Die vorgeschlagene CNN-basierte Methode nutzt eine Reihe von Modulen innerhalb der qualitativen SDCSD (Sand-Kalkstein-Sandigkeit), um signifikante Herausforderungen anzugehen. Erstens ist die Einbeziehung von geologischem Hintergrundwissen entscheidend für die Verbesserung der Klassifikationsgenauigkeit. Daher ist es unerlässlich, das CNN darauf zu trainieren, ...