Deep Learning Performance on Medical Image, Data and Signals

Clicks: 309
ID: 5532
2019
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #5 of 17 articles by views in sakarya university journal of computer and information sciences

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
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.
Reference Key
pakize2019deepsakarya Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Pakize Erdoğmuş and
Journal sakarya university journal of computer and information sciences
Year 2019
DOI
10.35377/saucis.02.01.541366
URL
Keywords
Deep learning edical data convolutional neural networks

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.