<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Аналіз архітектур моделей глибокого навчання при діагностиці захворювань вуха

Ескіз

Файли

20553.pdf (211,47 KB)

Дата

2024

Автори

Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

This article analyzes various architectures of deep learning models that can be used in the diagnosis of ear diseases.

Опис

Ключові слова

neural networks , deep learning models , architecture , otorhinolaryngology

УДК

004.93

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали LІII науково-технічної конференції підрозділів ВНТУ, Вінниця, 20-22 березня 2024 р.

ISSN

Бібліографічний опис

Марчук А. Ю. Аналіз архітектур моделей глибокого навчання при діагностиці захворювань вуха //Матеріали LІII науково-технічної конференції підрозділів ВНТУ, Вінниця, 20-22 березня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2024/paper/view/20553.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/41551

Зібрання

НТКП ВНТУ. Факультет інформаційних електронних систем (2024)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (7)

  1. John C. Watkinson, Ray W. Clarke. "Scott-Brown's Otorhinolaryngology and Head and Neck Surgery" CRC Press, 2018.
  2. Isaac N. Bankman. "Handbook of Medical Imaging, Volume 2. Medical Image Processing and Analysis" Academic Press, 2008. .169-208.
  3. E. R. Davies. "Computer Vision: Principles, Algorithms, Applications, Learning" Academic Press, 2017.
  4. Gulshan, V. et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA Intern. Med. 316, 24022410 (2016).
  5. Blomgren, K. & Pitkranta, A. Is it possible to diagnose acute otitis media accurately inprimary health care?. Fam. Pract. 20, 524527 (2003).
  6. Sermanet, P., Eigen, D., Zhang, X. et al. Overfeat: Integrated recognition, localization and detection using convolutional networks. https://arxiv.org/abs/1312.6229 (2017)
  7. Sandler, M., Howard, A., Zhu, M. et al. Mobilenetv2: Inverted residuals and linear bottlenecks. Proceedings of the IEEE conference on computer vision and pattern recognition. https://arxiv.org/abs/1801.04381 (2018).