skip to main content
訪客
個人書架
我的帳戶
登出
登入
This feature requires javascript
檢索首頁
圖書館首頁
電子期刊
引用參考文獻查詢
指定參考書查詢
新書通報
標籤查詢
線上輔助
語言:
English
繁體中文
This feature required javascript
This feature requires javascript
Primo Search
館藏+文章
館藏+文章
館藏
查館藏
文章
查文章
機構典藏
機構典藏
Search For:
Clear Search Box
Search in:
館藏+文章
Or hit Enter to replace search target
Or select another collection:
Search in:
館藏+文章
進階檢索
瀏覽查詢
This feature requires javascript
資源種類
criteria input
圖書
期刊
視聽資料
全部館藏
顯示結果:
criteria input
包含在我的檢索語句內
完全相同
起始以
顯示結果:
查詢種類 索引
criteria input
任何地方
題名
ISBN
ISSN
Show Results with:
題名
Show Results with:
任何地方
題名
ISBN
ISSN
This feature requires javascript
基于内容的具有深度分类特征的皮肤镜图像检索诊断准确率
Tschandl, P. ; Argenziano, G. ; Razmara, M. ; Yap, J.
British journal of dermatology (1951), 2019-07, Vol.181 (1), p.e21-e21
[同儕審閱期刊]
可取得全文
引用
被引用
線上檢視
詳細格式
評論和標籤
相關文章推薦
FullText@NUTN
引用次數
This feature requires javascript
傳送到
加入個人書架
從個人書架中移除
E-mail
列印
永久連結
引用
EndNote
導出 RiS
This feature requires javascript
題名:
基于内容的具有深度分类特征的皮肤镜图像检索诊断准确率
著者:
Tschandl, P.
;
Argenziano, G.
;
Razmara, M.
;
Yap, J.
所屬期刊:
British journal of dermatology (1951), 2019-07, Vol.181 (1), p.e21-e21
描述:
Summary 神经网络是以人脑为模型的计算机系统。神经网络可以学会自己检测颜色、形状和边缘等视觉元素,因此,它们在皮肤肿瘤的自动分类和诊断方面显示出了巨大的进步。不幸的是,在最常见的格式中,它们只提供最终的概率值,例如“5% 黑色素瘤、60% 痣、25% 脂溢性角化病”。虽然实验结果表明网络是相当准确的,但用户很难洞察预测,以及如何将预测与自己的决策过程相结合。让神经网络变得“可解释”的一个选项是让它在数据库中搜索并呈现类似的图像,就像在书上查找类似的病例一样——只是这样会更快、更全面。这也有一个好处,即当图像看起来与搜索到的皮肤病变没有任何相似之处时,用户立即知道不要相信这种情况下的自动分析。作者在本研究中表明,如果一个网络提供类似的图像,这些图像可以传达与传统的“5% 黑色素瘤、60% 痣、25% 脂溢性角化病”输出相同的准确性。他们进一步发现,只需搜索最多 16 幅相似的图像就足以提供这些信息。这项研究表明,简单地搜索相似的图像可以利用神经网络的预测能力,同时变得可以被最终用户理解。 Linked Article: Tschandl et al. Br J Dermatol 2019; 181:155–165
出版者:
Oxford: Blackwell Publishing Ltd
語言:
英文
識別號:
ISSN: 0007-0963
EISSN: 1365-2133
DOI: 10.1111/bjd.18075
資源來源:
Wiley Blackwell Journals
Wiley Online Library
This feature requires javascript
This feature requires javascript
返回到檢索清單
This feature requires javascript
This feature requires javascript
正在檢索遠程資料庫,請稍等
查詢:
在
scope:("NUTN"),scope:(NUTN_ALEPH),scope:(NUTN_IR),scope:(NUTN_SFX),primo_central_multiple_fe
顯示現有記錄
This feature requires javascript
This feature requires javascript