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

Оптимізація обробки біомедичних зображень в телемедичних системах з використанням згорткових нейронних мереж та адаптивного стиснення

dc.contributor.authorЯковишен, П. О.uk
dc.contributor.authorАндрікевич, С. А.uk
dc.contributor.authorЩербатюк, А. В.uk
dc.contributor.authorYakovyshen, P. O.en
dc.contributor.authorAndrikevych, S. A.en
dc.contributor.authorShcherbatyuk, A. V.en
dc.titleОптимізація обробки біомедичних зображень в телемедичних системах з використанням згорткових нейронних мереж та адаптивного стисненняuk
dc.date.issued2025
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationЯковишен П. О., Андрікевич С. А., Щербатюк А. В. Оптимізація обробки біомедичних зображень в телемедичних системах з використанням згорткових нейронних мереж та адаптивного стиснення // 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/25098.uk
dc.relation.ispartofЗбірник тез доповідей ІV Міжнародної науково-технічної конференції «Перспективи розвитку машинобудування та транспорту–2025», м. Вінниця, 3–5 червня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/prmt/pmrt2025/paper/view/25098
dc.identifier.udc004.93
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/57539
dc.description.abstractУ роботі запропоновано підхід до оптимізації обробки біомедичних зображень у телемедичних системах шляхом інтеграції адаптивного стиснення та сегментації з використанням згорткових нейронних мереж (U Net). Розроблено клієнт-серверну архітектуру, яка забезпечує ефективну передачу та аналіз медичних даних в умовах нестабільних мереж. Адаптивне стиснення зменшує обсяг даних на 40 –60%, зберігаючи діагностичну якість (PSNR 35-40 дБ). Сегментація зображень ОКТ та судин сітківки за допомогою U-Net підвищує точність аналізу. Результати підтверджують перспективність підходу для підвищення якості діагностики в телемедичних системах.uk
dc.subjectтелемедичні системиuk
dc.subjectадаптивне стисненняuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectU-Neten
dc.subjectсегментація зображеньuk
dc.subjectклієнт-серверна обробкаuk
dc.subjectбіомедичні зображенняuk
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesПавлов, С. В., Вовкотруб, Д. В., Довгалюк, Р. Ю., & Хані, А.-З. Інформаційні технології підвищення якості біомедичних зображень. Інформаційні технології та комп’ютерна інженерія. 2012 № 21(2). С. 41-48 https://itce.vntu.edu.ua/index.php/itce/article/view/52uk
dc.relation.referencesПавлов С. В. , Салдан Й. Р. , Злепко С. М. , Азаров О. Д. , Тимченко Л. І. , Абраменко Л. В. Методи попередньої обробки томографічних зображень очного дна . Інформаційні технології та комп`ютерна інженерія. 2019. № 2. С. 412. http://ir.lib.vntu.edu.ua//handle/123456789/30520uk
dc.relation.referencesZuiderveld, Karel J.. “Contrast Limited Adaptive Histogram Equalization.” Graphics gems (1994). https://scihub.se/10.1016/b978-0-12-336156-1.50061-6en
dc.relation.referencesOpenCV Team. (n.d.). OpenCV: Open Source Computer Vision Library. OpenCV. Retrieved March 26, 2025, from https://opencv.org/en
dc.relation.referencesMatplotlib Developers. (n.d.). Matplotlib Pyplot Tutorial. Matplotlib. Retrieved March 26, 2025, from https://matplotlib.org/stable/tutorials/introductory/pyplot.htmlen
dc.relation.referencesDataset Ninja. Visualization Tools for High Resolution Fundus Dataset. Dataset Ninja; 2025. Accessed February 10, 2025. https://datasetninja.com/high-resolution-fundusen
dc.date.accessioned2026-11-16T15:34:50Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Завантаження...
Ескіз
Назва:
25098.pdf
Розмір:
269,22 KB
Формат:
Adobe Portable Document Format