Сегментація судин сітківки на зображеннях очного дна із застосуванням SegNet
| dc.contributor.author | Андрікевич, С. А. | uk |
| dc.contributor.author | Тужанський, С. Є. | uk |
| dc.date.accessioned | 2025-10-10T07:55:24Z | |
| dc.date.available | 2025-10-10T07:55:24Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | uk | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/49733 | |
| dc.description.abstract | сегментації судин сітківки на цифрових зображеннях очного дна. Проаналізовано архітектуру SegNet та продемонстровано результати її роботи на прикладі набору даних HRF. | uk |
| dc.description.abstract | images is considered. The architecture of SegNet is analyzed and the results of its operation are demonstrated using the | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2025/paper/view/23933 | |
| dc.subject | SegNet | uk |
| dc.subject | сегментація судин | uk |
| dc.subject | очне дно | uk |
| dc.subject | фундус-фотографія | uk |
| dc.subject | глибоке навчання | uk |
| dc.subject | HRF | uk |
| dc.subject | коефіцієнт Дайса (Dice) | uk |
| dc.subject | індекс Жаккара (IoU) | uk |
| dc.subject | SegNet | uk |
| dc.subject | vessel segmentation | uk |
| dc.subject | fundus | uk |
| dc.subject | fundus photography | uk |
| dc.subject | deep learning | uk |
| dc.subject | HRF | uk |
| dc.subject | Dice coefficient | uk |
| dc.subject | Jacquardindex (IoU) | uk |
| dc.title | Сегментація судин сітківки на зображеннях очного дна із застосуванням SegNet | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.93 | |
| dc.relation.references | Yau JW, Rogers SL, Kawasaki R, et al. Global prevalence and major risk factors of diabetic retinopathy. Diabetes Care. 2012;35(3):556-564. https://doi.org/10.2337/dc11-1909 Fraz, M . M ., Remagnino, P., Hoppe, A., Uyyanonvara, B., Rudnicka, A. R., Owen, C. G., & Barman, S. A. (2012). An ensemble classification-based approach applied to retinal blood vessel segmentation. IEEE Transactions 1 on Biomedical Engineering, 59(9), 2538-2548. https://pmc.ncbi.nlm.nih.gov/articles/PM C3322721/ Badrinarayanan, V., Kendall, A. and Cipolla, R. (2017) SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation. IEEE Transactions on Pattern Analysis and M achine Intelligence, 39, 24812495. https://doi.org/10.1109/TPAM I.2016.2644615 Dataset Ninja. Visualization Tools for High Resolution Fundus Dataset. Dataset Ninja; 2025. Accessed February 10, 2025. https://datasetninja.com/high-resolution-fundus PyTorch Developers. (n.d.). PyTorch: An open source machine learning framework. PyTorch. Retrieved M arch 11, 2025, from https://pytorch.org/ |