Deep Learning Performance on Medical Image, Data and Signals

Deep Learning Performance on Medical Image, Data and Signals

Pakize Erdoğmuş;
sakarya university journal of computer and information sciences 2019 Vol. 2 pp. 28--40
226
erdogmus2019deepsakarya

Abstract

Bu çalışmada, 2009-2019 yılları arasında Tıpta derin öğrenme ile ilgili yapılmış çalışmalar, derin öğrenmenin Tıbbı görüntü, veri ve sinyaller üzerine başarısını gözlemlemek için araştırılmıştır. Web of Science’tan elde edilen çalışmalar değerlendirilmiş ve atıf sayısına göre seçilmişlerdir. Çalışmalar yayın yılı, derin ağ yapısı, kullanılan veritabanı ve değerlendirme kriterine göre tablo haline getirilmiştir. The results have shown that the deep learning network structures, applied on fundus images, have attained nearly %99 percent accuracy. Sonuçlar retinal fundus görüntüleri uygulanan derin öğrenme ağ yapılarının doğruluklarının %99’lara ulaştığını göstemektedir.  Bu aralıktaki çalışmaların çoğu radyoloji ve nükleer tıp alanında yapılmış olsa de sonuçlar henüz %80-90 aralığında görülmektedir. Bu sonuçlar bilgisayar destekli teşhis sistemlerinin çok yakın bir gelecekte tam performans ile kullanılacağını göstermektedir.

Citation

ID: 11142
Ref Key: erdogmus2019deepsakarya
Use this key to autocite in SciMatic or Thesis Manager

References

Blockchain Verification

Account:
NFT Contract Address:
0x95644003c57E6F55A65596E3D9Eac6813e3566dA
Article ID:
11142
Unique Identifier:
10.35377/saucis.02.01.541366
Network:
Scimatic Chain (ID: 481)
Loading...
Blockchain Readiness Checklist
Authors
Abstract
Journal Name
Year
Title
5/5
Creates 1,000,000 NFT tokens for this article
Token Features:
  • ERC-1155 Standard NFT
  • 1 Million Supply per Article
  • Transferable via MetaMask
  • Permanent Blockchain Record
Blockchain QR Code
Scan with Saymatik Web3.0 Wallet

Saymatik Web3.0 Wallet