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

Системний аналіз та модель ідентифікації хвороби на основі медичних зображень

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

Альтернативна назва

Анотація

У даній статті досліджено медичні зображення та розроблено інтелектуальну модель ідентифікації хвороби на їх основі. В роботі запропоновано метод знаходження уражених ділянок тканин на медичних зображеннях. Для їх знаходження проведено виділення маски для навчання нейронної мережі. Виділення масок проводилося за допомогою анотацій, де було виділено полігони з ураженими тканинами. Досліджувані об’єкти були віднесені до різної класифікації захворюваності.
In given article, we investigate medical images and develop an intelligent system for identification of the disease on their basis. The paper proposes an approach to finding the affected tissue areas in medical images. To find them, a mask was extracted for training a neural network. Mask extraction was carried out using annotations, where polygons with affected tissues were identified. The studied objects were assigned to different classifications of morbidity.

Опис

Тип документа

Мова

Посилання на публікацію

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Системний аналіз та модель ідентифікації хвороби на основі медичних зображень [Текст] / Ю. О. Ушенко, Д. І. Угрин, О. В. Галочкін, І. В. Зосько // Оптико-електронні інформаційно-енергетичні технології. – 2022. – № 2. – С. 93-99.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (15)

  1. Springer.com [Електронний ресурс]: [Інтернет портал]. – Електронні дані. – [Стаття] – Режим доступу: https://link.springer.com/article/10.1007/s13735-021-00218-1 (дата звернення 20.12.2022).
  2. Springer.com [Електронний ресурс]: [Інтернет портал]. – Електронні дані. – [Стаття] – Режим доступу: https://link.springer.com/article/10.1007/s13735-021-00218-1#ref-CR2 (дата звернення 20.12.2022).
  3. Sciencedirect.com [Електронний ресурс]: [Інтернет портал]. – Електронні дані. – [Стаття] – Режим доступу: http://sciencedirect.com/science/article/pii/S1877050919321295 (дата звернення 20.12.2022)
  4. Science.org [Електронний ресурс]: [Інтернет портал]. – Електронні дані. – [Стаття] – Режим доступу: https://spj.science.org/doi/10.34133/2021/8786793 (дата звернення 20.12.2022).
  5. Glassboxmedicine.com [Електронний ресурс]: [Інтернет портал]. – Електронні дані. – [Стаття] – Режим доступу: https://glassboxmedicine.com/2020/01/21/segmentation-u-net-mask-r-cnn-and-medical-applications/ (дата звернення 20.12.2022).
  6. Nature.com[Електронний ресурс]: [Інтернет портал]. – Електронні дані. – [Стаття] – Режим доступу: https://www.nature.com/articles/s41746-022-00592-y (дата звернення 20.12.2022).
  7. Frontiersin.org [Електронний ресурс]: [Інтернет портал]. – Електронні дані. – [Стаття] – Режим доступу: https://www.frontiersin.org/articles/10.3389/fnins.2021.714318/full (дата звернення 20.12.2022).
  8. Evergreens.com.ua [Електронний ресурс]: [Інтернет портал]. – Електронні дані. – [Стаття] – Режим доступу: https://evergreens.com.ua/ua/articles/cnn.html (дата звернення 20.12.2022).
  9. Paperswithcode.com [Електронний ресурс]: [Інтернет портал]. – Електронні дані. – [Стаття] – Режим доступу: https://paperswithcode.com/method/u-net (дата звернення 20.12.2022).
  10. Geeksforgeeks.org [Електронний ресурс]: [Інтернет портал]. – Електронні дані. – [Стаття] – Режим доступу: https://www.geeksforgeeks.org/residual-networks-resnet-deep-learning/ (дата звернення 20.12.2022).