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

Методи оптимізації та трансферне навчання для покращення виявлення пухлин мозку на основі МРТ-зображень

Скорочена інформація про документ
dc.contributor.authorМісоченко, С. Ю.uk
dc.contributor.authorСеліванова, К. Г.uk
dc.contributor.authorMisochenko, S. Yu.en
dc.contributor.authorSelivanova, K. G.en
dc.titleМетоди оптимізації та трансферне навчання для покращення виявлення пухлин мозку на основі МРТ-зображеньuk
dc.title.alternativeMethods of optimization and transfer learning to improve the detection of brain tumors based on MRT-imagesen
dc.date.issued2024
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationМісоченко С. Ю., Селіванова К. Г. Методи оптимізації та трансферне навчання для покращення виявлення пухлин мозку на основі МРТ-зображень // Оптико-електроннi iнформацiйно-енергетичнi технологiї. 2024. № 2. С. 196-204. URI: https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/742.uk
dc.relation.ispartofОптико-електроннi iнформацiйно-енергетичнi технологiї. № 2 : 196-204.uk
dc.relation.urihttps://oeipt.vntu.edu.ua/index.php/oeipt/article/view/742
dc.identifier.doihttps://doi.org/10.31649/1681-7893-2024-48-2-196-204
dc.identifier.issn2311-2662
dc.identifier.udc[004.8]
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/55769
dc.description.abstractЦе дослідження аналізує методи оптимізації навчання згорткових нейронних мереж, особливості використання малих наборів даних і застосування методів Transfer Learning для підвищення точності детектування пухлин мозку на КТ-зображеннях. Результати навчання цих моделей порівнювалися між собою на тестовому наборі даних з зображеннями пухлин мозку на КТ-знімках.uk
dc.description.abstractThis research analyzes methods for optimizing the training of convolutional neural networks, the features of using small datasets, and the use of Transfer Learning techniques to improve image detection accuracy. The results of training these models were compared with each other on a test dataset for detecting brain tumor in CT images.en
dc.subjectохорона здоров'яuk
dc.subjectмедичні інформаційні системиuk
dc.subjectаугментаціяuk
dc.subjectзгорткова нейронна мережаuk
dc.subjectмалі набори данихuk
dc.subjectоптимізація параметрівuk
dc.subjectрозпізнавання образівuk
dc.subjectтрансферне навчанняuk
dc.subjecthealthcareen
dc.subjectmedical information technologiesen
dc.subjectaugmentationen
dc.subjectconvolutional neural networken
dc.subjectsmall dataseten
dc.subjectoptimization parametersen
dc.subjectpattern recognitionen
dc.subjecttransfer learningen
dc.typeArticle, professional native edition
dc.typeArticle
dc.language.isoukuk
dc.relation.referencesDeep learning for medical image-based cancer diagnosis / X. Jiang et al. Cancers. 2023. T. 15, № 14. C. 3608. URL: https://doi.org/10.3390/cancers15143608.en
dc.relation.referencesWang L. Deep learning techniques to diagnose lung cancer. Cancers. 2022. T. 14, № 22. C. 5569. URL: https://doi.org/10.3390/cancers14225569.en
dc.relation.referencesApplication of deep learning to construct breast cancer diagnosis model / R.-H. Lin et al. Applied sciences. 2022. T. 12, №.en
dc.relation.referencesC. 1957. URL: https://doi.org/10.3390/app12041957 4. Kamal Kamal, Hamid EZ-ZAHRAOUY. A comparison between the VGG16, VGG19 and ResNet50 architecture frameworks for classification of normal and CLAHE processed medical images, 27 April 2023, PREPRINT (Version 1) available at Research Square URL: https://doi.org/10.21203/rs.3.rs2863523/v1.en
dc.relation.referencesHoussein, E.H., Emam, M.M. & Ali, A.A. An optimised deep learning architecture for breast cancer diagnosis based on improved marine predators algorithm. Neural Comput & Applic 34, 18015-18033 (2022). URL: https://doi.org/10.1007/s00521-022-07445-5.en
dc.relation.referencesGoceri E. Medical image data augmentation: techniques, comparisons and interpretations. Artificial intelligence review. 2023. URL: https://doi.org/10.1007/s10462-023-10453-z.en
dc.relation.referencesPete Wander How many images do you need to train a neural network?, 2017, URL: https://petewarden.com/2017/12/14/how-many-images-do-you-need-to-train-a-neural-network/.en
dc.relation.referencesHouda Bichri, Adil Chergui, Mustapha Hain, Image Classification with Transfer Learning Using a Custom Dataset: A Comparative Study, Procedia Computer Science, Volume 220, 2023, Pages 48-54, ISSN 1877-0509, URL: https://doi.org/10.1016/j.procs.2023.03.009.en
dc.relation.referencesRafiq M, Rafiq G, Agyeman R, Choi GS, Jin S-I. Scene Classification for Sports Video Summarisation Using Transfer Learning. Sensors. 2020; 20(6):1702. URL: https://doi.org/10.3390/s20061702.en
dc.relation.referencesTymkovych, M. et al. (2021). Application of SOFA Framework for Physics-Based Simulation of Deformable Human Anatomy of Nasal Cavity. In: Jarm, T., Cvetkoska, A., Mahnič-Kalamiza, S., Miklavcic, D. (eds) 8th European Medical and Biological Engineering Conference. EMBEC 2020. IFMBE Proceedings, vol 80. Springer, Cham. https://doi.org/10.1007/978-3-030-64610-3_14.en
dc.relation.referencesSelivanova, K. G., Avrunin, O. G., Tymkovych, M. Y.,, T. V., et al., “3D visualization of human body internal structures surface during stereo-endoscopic operations using computer vision techniques,” Przeglad Elektrotechniczny, 9 30 –33 (2021) DOI10.15199/48.2021.09.06.en
dc.relation.referencesAvrunin, O., Tymkovych, M., Semenets, V. and Piatykop, V. "Computed tomography dataset analysis for stereotaxic neurosurgery navigation," Proceedings of the International Conference on Advanced Optoelectronics and Lasers, CAOL, 606-609 (2019).en
dc.relation.referencesSokol, Y., Avrunin, O., Kolisnyk, K., & Zamiatin, P. (2020). Using medical imaging in disaster medicine. Paper presented at the 2020 IEEE 4th International Conference on Intelligent Energy and Power Systems, IEPS 2020 - Proceedings, 287-290. doi:10.1109/IEPS51250.2020.9263175.en
dc.relation.referencesAvrunin, O., Kolisnyk, K., Nosova, Y., Tomashevskyi, R., & Shushliapina, N. (2020). Improving the methods for visualization of middle ear pathologies based on telemedicine services in remote treatment. Paper presented at the 2020 IEEE KhPI Week on Advanced Technology, KhPI Week 2020 - Conference Proceedings, 347-350. doi:10.1109/KhPIWeek51551.2020.9250090.en
dc.relation.referencesK. Selivanova and O. Avrunin, "Method of Hand Movement Disorders Determination based on the Surgeon's Laparoscopic Video Recording," 2022 IEEE 3rd KhPI Week on Advanced Technology (KhPIWeek), Kharkiv, Ukraine, 2022, pp. 1-4, doi: 10.1109/KhPIWeek57572.2022.9916457.en
dc.relation.referencesAvrunin, O. G., Tymkovych, M. Y., Farouk Ismail Saed, H., Loburets, A. V., Krivoruchko, I. A., Smolarz, A., & Kalimoldayeva, S. (2019). Application of 3D printing technologies in building patientspecific training systems for computing planning in rhinology. Information Technology in Medical Diagnostics II, 1–8. https://doi.org/10.1201/9780429057618-1.en
dc.relation.referencesAvrunin, O.G., Alkhorayef, M., Saied, H.F.I., and Tymkovych, M.Y., "The surgical navigation system with optical position determination technology and sources of errors," Journal of Medical Imaging and Health Informatics, 5(4), 689-696 (2015).en
dc.relation.referencesWójcik Waldemar, Smolarz Andrzej (2017). Information Technology in Medical Diagnostics, July 11, 2017 by CRC Press, 210 Pages.en
dc.relation.referencesHighly linear Microelectronic Sensors Signal Converters Based on Push-Pull Amplifier Circuits / edited by Waldemar Wojcik and Sergii Pavlov, Monograph, (2022) NR 181, Lublin, Comitet Inzynierii Srodowiska PAN, 283 Pages. ISBN 978-83-63714-80-2.en
dc.relation.referencesPavlov Sergii, Avrunin Oleg, Hrushko Oleksandr, and etc. (2021). System of three-dimensional human face images formation for plastic and reconstructive medicine // Teaching and subjects on bio-medical engineering Approaches and experiences from the BIOART-project Peter Arras and David Luengo (Eds.), Corresponding authors, Peter Arras and David Luengo. Printed by Acco cv, Leuven (Belgium). - 22 P. ISBN: 978-94-641-4245-7.en
dc.relation.referencesPavlov S.V., Avrunin O.G., etc. (2019). Intellectual technologies in medical diagnosis, treatment and rehabilitation: monograph / [S. In edited by S. Pavlov, O. Avrunin. - Vinnytsia: PP "TD "Edelweiss and K", 260 p. ISBN 978-617-7237-59-3.en
dc.date.accessioned2026-10-22T09:37:58Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
209753.pdf
Розмір:
550,7 KB
Формат:
Adobe Portable Document Format
Завантажити

Зібрання

Оптико-електронні інформаційно-енергетичні технології. 2024. № 2