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

Сегментація судин сітківки на зображеннях очного дна із застосуванням SegNet

Скорочена інформація про документ
dc.contributor.authorАндрікевич, С. А.uk
dc.contributor.authorТужанський, С. Є.uk
dc.contributor.authorAndrikevych, S. A.en
dc.contributor.authorTuzhanskyi, S. Y.en
dc.titleСегментація судин сітківки на зображеннях очного дна із застосуванням SegNetuk
dc.date.issued2025
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationАндрікевич С. А., Тужанський С. Є. Сегментація судин сітківки на зображеннях очного дна із застосуванням SegNet // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2025/paper/view/23933.uk
dc.relation.ispartofМатеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2025/paper/view/23933
dc.identifier.isbn978-617-8132-48-8
dc.identifier.udc004.93
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/49733
dc.description.abstractУ роботі досліджено застосування згорткової нейронної мережі SegNet для автоматичної сегментації судин сітківки на цифрових зображеннях очного дна. Проаналізовано архітектуру SegNet та продемонстровано результати її роботи на прикладі набору даних HRF.uk
dc.description.abstractThe application of the convolutional neural network SegNet for automatic vessel segmentation in fundus images is considered. The architecture of SegNet is analyzed and the results of its operation are demonstrated using the HRF dataset as an example.en
dc.subjectсегментація судинuk
dc.subjectочне дноuk
dc.subjectфундус-фотографіяuk
dc.subjectглибоке навчанняuk
dc.subjectкоефіцієнт Дайса (Dice)uk
dc.subjectіндекс Жаккара (IoU)uk
dc.subjectSegNeten
dc.subjectvessel segmentationen
dc.subjectfundusen
dc.subjectfundus photographyen
dc.subjectdeep learningen
dc.subjectHRFen
dc.subjectDice coefficienten
dc.subjectJacquard index (IoU)en
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesYau 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.en
dc.relation.referencesFraz, 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/.en
dc.relation.referencesBadrinarayanan, 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, 2481- 2495. https://doi.org/10.1109/TPAM I.2016.2644615.en
dc.relation.referencesDataset Ninja. Visualization Tools for High Resolution Fundus Dataset. Dataset Ninja; 2025. Accessed February 10, 2025. https://datasetninja.com/high-resolution-fundus.en
dc.relation.referencesPyTorch Developers. (n.d.). PyTorch: An open source machine learning framework. PyTorch. Retrieved M arch 11, 2025, from https://pytorch.org/.en
dc.relation.referencesАндрікевич, С. і Тужанський , С. 2024. Методи сегментації оптичних зображень очного дна. Оптико-електроннi iнформацiйно-енергетичнi технологiї. 47, 1 (Лип 2024), 155–165. DOI: https://doi.org/10.31649/1681-7893-2024-47-1-155-165.uk
dc.date.accessioned2025-10-10T07:55:24Z
dc.date.available2025-10-10T07:55:24Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
23933.pdf
Розмір:
993,44 KB
Формат:
Adobe Portable Document Format
Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
license.txt
Розмір:
17 B
Формат:
Plain Text
Опис:
Завантажити

Зібрання

НТКП ВНТУ. Факультет інформаційних електронних систем (2025)