Отрывок: Примерно 40% изображений были размечены с использованием сценария полуавтоматической разм...
Название : | Классификация наиболее распространенных условно-патогенных микроорганизмов на СЭМ-изображениях с использованием нейросетевой модели YOLO |
Авторы/Редакторы : | Гридин В. Н. Новиков И. А. Салем Б. Р. Солодовников В. И. |
Дата публикации : | 2023 |
Библиографическое описание : | Классификация наиболее распространенных условно-патогенных микроорганизмов на СЭМ-изображениях с использованием нейросетевой модели YOLO / В. Н. Гридин, И. А. Новиков, Б. Р. Салем, В. И. Солодовников // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Т. 4: Искусственный интеллект / под. ред. А. В. Никонорова. - 2023. - С. 040392. |
Аннотация : | Актуальной и крайне востребованной проблемой современной медицины во многих ее сферах является своевременное обнаружение и распознавание патогенных микроорганизмов и микробиальных сообществ в тканях пациента для скорейшего назначения правильной из взаимоисключающих тактик применения медикаментов. Переход на новый уровень по скорости визуализации содержимого взятых проб и точности диагностики возможен благодаря применению лантаноидного контрастирования в сочетании со сканирующей электронной микроскопией для получения серий снимков высокого пространственного разрешения с последующим автоматическим выделением и классификацией микробиологических объектов. В данной работе представлены результаты применения нейросетевой модели YOLOv5 для обнаружения 15 различных наиболее распространенных условно- патогенных классов бактерий на 380 изображениях. В итоге удалось достичь 71,5% средней точности и 69,8% полноты при использовании базовой модели YOLOv5 без заморозки слоев. |
URI (Унифицированный идентификатор ресурса) : | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Klassifikaciya-naibolee-rasprostranennyh-uslovnopatogennyh-mikroorganizmov-na-SEMizobrazheniyah-s-ispolzovaniem-neirosetevoi-modeli-YOLO-105722 |
Другие идентификаторы : | RU\НТБ СГАУ\541221 |
Ключевые слова: | YOLOv5 нейронная сеть YOLO медицина машинное обучение классификация бактерий компьютерное зрение обнаружение объектов |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
978-5-7883-1920-9_2023-040392.pdf | 414.68 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.