| dc.contributor.author | Шемет, Є. О. | uk |
| dc.contributor.author | Папа, А. А. | uk |
| dc.contributor.author | Яровий, А. А. | uk |
| dc.date.accessioned | 2024-03-14T17:39:50Z | |
| dc.date.available | 2024-03-14T17:39:50Z | |
| dc.date.issued | 2021 | |
| dc.identifier.citation | Шемет Є. О. Класифікація рентгенограм легенів з використанням згорткових нейронних мереж [Електронний ресурс] / Є. О. Шемет, А. А. Папа, А. А. Яровий // Матеріали L Науково-технічної конференції підрозділів ВНТУ, Вінниця, 10-12 березня 2021 р. – Електрон. текст. дані. – 2021. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2021/paper/view/12312. | uk |
| dc.identifier.uri | http://ir.lib.vntu.edu.ua//handle/123456789/39747 | |
| dc.description.abstract | В ході проведеного дослідження проаналізовані особливості класифікації рентгенограм легенів на основі згорткових нейронних мереж. Проаналізовано точність класифікації та ділянки зображень, на які реагує нейромережа . | uk |
| dc.description.abstract | In the course of the research the peculiarities of radiographs classification on the basis of convolutional neural networks are analyzed. The accuracy of classification and areas of images to which the neural network responds are analyzed. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали L Науково-технічної конференції підрозділів ВНТУ, Вінниця, 10-12 березня 2021 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2021/paper/view/12312 | |
| dc.subject | згорткові нейронні мережі | uk |
| dc.subject | класифікація | uk |
| dc.subject | рентгенограма | uk |
| dc.subject | COVID-19 | en |
| dc.subject | convolutional neural networks | en |
| dc.subject | classification | en |
| dc.subject | radiograph | en |
| dc.title | Класифікація рентгенограм легенів з використанням згорткових нейронних мереж | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.89: | |
| dc.relation.references | COVID-19 Radiography Database – [Електронний ресурс] – Режим доступу:
https://www.kaggle.com/tawsifurrahman/covid19-radiography-database | en |
| dc.relation.references | Karen Simonyan, Andrew Zisserman. Very Deep Convolutional Networks for Large-Scale Visual Recognition.
International Conference on Learning Representations, 2015 – [Електронний ресурс] – Режим доступу:
https://www.robots.ox.ac.uk/~vgg/research/very_deep/ | en |
| dc.relation.references | Ilya Kostrikov, Denis Yarats, Rob Fergus. Image Augmentation Is All You Need: Regularizing Deep Reinforcement
Learning from Pixels. – Cornell University Library, 2020 – [Електронний ресурс] – Режим доступу:
https://arxiv.org/abs/2004.13649 | en |
| dc.relation.references | Shaeke Salman, Xiuwen Liu. Overfitting Mechanism and Avoidance in Deep Neural Networks. – Cornell University
Library, 2020 – [Електронний ресурс] – Режим доступу: https://arxiv.org/abs/1901.06566 | en |
| dc.relation.references | Marco Tulio Ribeiro, Sameer Singh, Carlos Guestrin. "Why Should I Trust You?": Explaining the Predictions of
Any Classifier – Cornell University Library, 2020 – [Електронний ресурс] – Режим доступу:
https://arxiv.org/abs/1602.04938 | en |
