Отрывок: Примерно 40% изображений были размечены с использованием сценария полуавтоматической разм...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Гридин В. Н. | ru |
dc.contributor.author | Новиков И. А. | ru |
dc.contributor.author | Салем Б. Р. | ru |
dc.contributor.author | Солодовников В. И. | ru |
dc.coverage.spatial | YOLOv5 | ru |
dc.coverage.spatial | нейронная сеть YOLO | ru |
dc.coverage.spatial | медицина | ru |
dc.coverage.spatial | машинное обучение | ru |
dc.coverage.spatial | классификация бактерий | ru |
dc.coverage.spatial | компьютерное зрение | ru |
dc.coverage.spatial | обнаружение объектов | ru |
dc.creator | Гридин В. Н., Новиков И. А., Салем Б. Р., Солодовников В. И. | ru |
dc.date.accessioned | 2023-10-03 15:45:38 | - |
dc.date.available | 2023-10-03 15:45:38 | - |
dc.date.issued | 2023 | ru |
dc.identifier | RU\НТБ СГАУ\541221 | ru |
dc.identifier.citation | 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. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Klassifikaciya-naibolee-rasprostranennyh-uslovnopatogennyh-mikroorganizmov-na-SEMizobrazheniyah-s-ispolzovaniem-neirosetevoi-modeli-YOLO-105722 | - |
dc.description.abstract | 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. | ru |
dc.language.iso | rus | ru |
dc.relation.ispartof | 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 | ru |
dc.source | Информационные технологии и нанотехнологии (ИТНТ-2023). - Т. 4 : Искусственный интеллект | ru |
dc.title | Классификация наиболее распространенных условно-патогенных микроорганизмов на СЭМ-изображениях с использованием нейросетевой модели YOLO | ru |
dc.type | Text | ru |
dc.citation.spage | 040392 | ru |
dc.citation.volume | 4 | ru |
dc.textpart | Примерно 40% изображений были размечены с использованием сценария полуавтоматической разм... | - |
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 базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.