Особливості побудови архітектур нейромереж в задачах класифікації біомедичних зображень
| dc.contributor.author | Поуданєн, Ю. Є. | uk |
| dc.contributor.author | Кожем'яко, А. В. | uk |
| dc.contributor.author | Poudanien, Y. Y. | en |
| dc.contributor.author | Kozhemiako, A. V. | en |
| dc.title | Особливості побудови архітектур нейромереж в задачах класифікації біомедичних зображень | uk |
| dc.date.issued | 2025 | |
| dc.publisher | Вінницький національний технічний університет | uk |
| dc.identifier.citation | Поуданєн Ю. Є., Кожем'яко А. В. Особливості побудови архітектур нейромереж в задачах класифікації біомедичних зображень // Збірник тез доповідей ІV Міжнародної науково-технічної конференції «Перспективи розвитку машинобудування та транспорту–2025», м. Вінниця, 3–5 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/prmt/pmrt2025/paper/view/25161. | uk |
| dc.relation.ispartof | Збірник тез доповідей ІV Міжнародної науково-технічної конференції «Перспективи розвитку машинобудування та транспорту–2025», м. Вінниця, 3–5 червня 2025 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/prmt/pmrt2025/paper/view/25161 | |
| dc.identifier.udc | 681.3.069 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/57568 | |
| dc.description.abstract | Дана робота присвячена аналізу можливих варіантів обробки біомедичних зображень за допомогою нейронних мереж в задачах класифікації. Оглянуті наукові публікації демонструють сучасні завдання які стоять перед класифікацією, а саме підготовка зображень та вибір способу за яким буде проведена класифікація. Отримані результати вказують на основні проблеми якості та кількості зображень, а також вибір способу обробки зображень у виборі між готовими “важкими” рішеннями у вигляді фреймворків та полегшеним самостійно розробленим рішенням. | uk |
| dc.subject | ШІ | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | нейронні мережі | uk |
| dc.subject | згорткові нейронні мережі | uk |
| dc.subject | ендоскопія | uk |
| dc.subject | ResNet | en |
| dc.subject | DenseNet | en |
| dc.subject | класифікація | uk |
| dc.subject | капсульна ендоскопія | uk |
| dc.subject | залишкова нейронна мережа | uk |
| dc.type | Thesis | |
| dc.language.iso | uk | uk |
| dc.relation.references | 2. Thambawita, V., Strmke, I., Hicks, S. A., Halvorsen, P., Parasa, S., & Riegler, M. A. (2021). Impact of Image Resolution on Deep Learning Performance in Endoscopy Image Classification: An Experimental Study Using a Large Dataset of Endoscopic Images. Diagnostics, 11(12), 2183. https://doi.org/10.3390/diagnostics11122183 Noorda, R., Nevrez, A., Colomer, A., Pons Beltrn, V., & Naranjo, V. (2020). Automatic evaluation of degree of cleanliness in capsule endoscopy based on a novel CNN architecture. Scientific Reports, 10(1). https://doi.org/10.1038/s41598-020-74668-8 | en |
| dc.date.accessioned | 2026-11-16T15:35:17Z |
Файли
Контейнер файлів
1 - 1 з 1
Завантаження...
- Назва:
- 25161.pdf
- Розмір:
- 210,93 KB
- Формат:
- Adobe Portable Document Format