scholarly journals Deep Learning for Multimedia Forensics

2021 ◽  
Vol 12 (4) ◽  
pp. 309-457
Author(s):  
Irene Amerini ◽  
Aris Anagnostopoulos ◽  
Luca Maiano ◽  
Lorenzo Ricciardi Celsi
Keyword(s):  
Deep Learning ◽  
Multimedia Forensics

scholarly journals Detecting Tampered Videos with Multimedia Forensics and Deep Learning

2018 ◽  
pp. 374-386 ◽  
Author(s):  
Markos Zampoglou ◽  
Foteini Markatopoulou ◽  
Gregoire Mercier ◽  
Despoina Touska ◽  
Evlampios Apostolidis ◽  
...  
Keyword(s):  
Deep Learning ◽  
Multimedia Forensics

Deep Learning for Multimedia Forensics

2021 ◽  
Author(s):  
Irene Amerini ◽  
Aris Anagnostopoulos ◽  
Luca Maiano ◽  
Lorenzo Ricciardi Celsi
Keyword(s):  
Deep Learning ◽  
Multimedia Forensics

Deep Learning Techniques For Multimedia Forensics

2021 ◽  
Author(s):  
Belhassen Bayar
Keyword(s):  
Deep Learning ◽  
Multimedia Forensics ◽  
Learning Techniques

Deep Learning

2009 ◽  
Author(s):  
Stellan Ohlsson
Keyword(s):  
Deep Learning

Intelligence artificielle : le futur de l’Orthodontie ?

2019 ◽  
Vol 53 (3) ◽  
pp. 281-294
Author(s):  
Jean-Michel Foucart ◽  
Augustin Chavanne ◽  
Jérôme Bourriau
Keyword(s):  
Big Data ◽  
Deep Learning ◽  
Intelligence Artificielle ◽  
Set Up

Nombreux sont les apports envisagés de l’Intelligence Artificielle (IA) en médecine. En orthodontie, plusieurs solutions automatisées sont disponibles depuis quelques années en imagerie par rayons X (analyse céphalométrique automatisée, analyse automatisée des voies aériennes) ou depuis quelques mois (analyse automatique des modèles numériques, set-up automatisé; CS Model +, Carestream Dental™). L’objectif de cette étude, en deux parties, est d’évaluer la fiabilité de l’analyse automatisée des modèles tant au niveau de leur numérisation que de leur segmentation. La comparaison des résultats d’analyse des modèles obtenus automatiquement et par l’intermédiaire de plusieurs orthodontistes démontre la fiabilité de l’analyse automatique; l’erreur de mesure oscillant, in fine, entre 0,08 et 1,04 mm, ce qui est non significatif et comparable avec les erreurs de mesures inter-observateurs rapportées dans la littérature. Ces résultats ouvrent ainsi de nouvelles perspectives quand à l’apport de l’IA en Orthodontie qui, basée sur le deep learning et le big data, devrait permettre, à moyen terme, d’évoluer vers une orthodontie plus préventive et plus prédictive.

EFFECTIVENESS OF ARTIFICIAL INTELLIGENCE USING DEEP LEARNING FOR DETECTING GASTRIC CANCER IN ENDOSCOPIC IMAGES

2018 ◽  
Author(s):  
T Hirasawa ◽  
K Aoyama ◽  
J Fujisaki ◽  
T Tada
Keyword(s):  
Artificial Intelligence ◽  
Gastric Cancer ◽  
Deep Learning ◽  
Endoscopic Images

Vollautomatische Quantifizierung der Volumina und Funktion des linken Ventrikels in der kardialen MRT: Evaluation eines Deep-Learning basierten Algorithmus

2020 ◽  
Author(s):  
B Böttcher ◽  
E Beller ◽  
A Busse ◽  
F Streckenbach ◽  
M Weber ◽  
...  
Keyword(s):  
Deep Learning

Primäre ZNS-Lymphome: Vollautomatisierte Detektion und Segmentierung auf multiparametrischen MRT-Datensätzen mittels Deep-Learning

2020 ◽  
Author(s):  
L Pennig ◽  
L Lourenco Caldeira ◽  
C Hoyer ◽  
L Görtz ◽  
R Shahzad ◽  
...  
Keyword(s):  
Deep Learning
Sign in / Sign up

Export Citation Format

Share Document