| dc.contributor.author | Коменчук, О. В. | uk |
| dc.contributor.author | Мокін, О. Б. | uk |
| dc.date.accessioned | 2025-07-24T11:29:13Z | |
| dc.date.available | 2025-07-24T11:29:13Z | |
| dc.date.issued | 2024 | |
| dc.identifier.citation | Коменчук О. В., Мокін О. Б. Удосконалення процесу анотування медичних зображень для задач сегментації за допомогою текстових підказок. // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», 11-20 травня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21692. | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/47500 | |
| dc.description.abstract | В даній роботі досліджується потенціал моделі Language Segment-Anything для визначення областей інтересу (англ.: ROI – Region of Interest) медичних зображень. Завдяки інтеграції текстових підказок (англ.: text prompts) у структуру Segment Anything Model (SAM) від Meta і розробці зручної для користувача програми з використанням | uk |
| dc.description.abstract | This work investigates the potential of the Language Segment-Anything model for extracting regions of interest (ROI) from medical images. By integrating text prompts into the Segment Anything Model (SAM) framework from Meta and developing a user-friendly application using Streamlit, this work demonstrates how such an approach enables the extraction of pseudomasks of regions of interest without the need for prior data annotation. This simplifies the image segmentation process, making it faster, more accurate, and more accessible for users. The proficiency of the Language | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», 11-20 травня 2024 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21692 | |
| dc.subject | аналіз зображень | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | глибоке навчання | uk |
| dc.subject | сегментація зображень | uk |
| dc.subject | псевдомаски | uk |
| dc.subject | веб-застосунок | uk |
| dc.subject | image analysis | uk |
| dc.subject | machine learning | uk |
| dc.subject | deep learning | uk |
| dc.subject | image segmentation | uk |
| dc.subject | pseudomasks | uk |
| dc.subject | web application | uk |
| dc.title | Удосконалення процесу анотування медичних зображень для задач сегментації за допомогою текстових підказок | uk |
| dc.type | Thesis | |
| dc.identifier.udc | [004.89+004.93]:616.314 | |
| dc.relation.references | Komenchuk O. V. and Mokin O. B., Analysis of Methods for Preprocessing of Panoramic Dental X-Rays for Image Segmentation Tasks, Visnyk of Vinnytsia Politechnical Institute. 2023. Vol. 170, no. 5. P. 4149. URL: https://doi.org/10.31649/19979266-2023-170-5-41-49. | |
| dc.relation.references | H. Abdi, S. Kasaei, and M. Mehdizadeh, Automatic segmentation of mandible in panoramic x-ray, J. Med. Imaging (Bellingham), vol. 2, no. 4, 044003, 2015. [Online]. Available: https://www.academia.edu/36038975/Pre-Processing_of_Dental_XRay_Images_Using_Adaptive_Histogram_Equalization_Method. | |
| dc.relation.references | Language Segment-Anything, GitHub, [Online]. Available: https://github.com/luca-medeiros/lang-segment-anything | |
| dc.relation.references | Segment Anything, GitHub, [Online]. Available: https://github.com/facebookresearch/segment-anything | |
| dc.relation.references | Yi Li, Zhanghui Kuang, Liyang Liu, Yimin Chen and Wayne Zhang, Pseudo-Mask Matters in Weakly-Supervised Semantic Segmentation, Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV). 2021. P. 6964-6973. URL: https://doi.org/10.48550/arXiv.2108.12995 | |
| dc.relation.references | Abdi and S. Kasaei, Panoramic Dental X-rays With Segmented Mandibles, 2020. [Online]. Available: https://data.mendeley.com/datasets/hxt48yk462/2 | |
| dc.relation.references | Jie Hu, Chen Chen, Liujuan Cao, Shengchuan Zhang, Annan Shu, Guannan Jiang and Rongrong Ji, Pseudo-label Alignment for Semi-supervised Instance Segmentation, Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV). 2023. P. 16337-16347. URL: https://doi.org/10.48550/arXiv.2308.05359 | |
| dc.relation.references | Streamlit, GitHub, [Online]. Available: https://github.com/streamlit/streamlit | |
