Отрывок: Данный показатель определяется по формуле: где TN – количество истинно отрицательных результатов, FP – ложноположительные результаты. Определив специфичность, можно априори предполагать, какова доля здоровых лиц, у которых этот метод даст отрицательный результат. Чем выше специфичность метода, тем надежнее с его помощью подтверждается заболевание, и тем, следовательно, он более э...
Название : | Разработка алгоритма автоматического распознавания цветных дерматоскопических диагностических изображений |
Авторы/Редакторы : | Мельситов О. А. Храмов А. Г. Суханов С. В. Министерство образования и науки Российской Федерации Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) Институт информатики математики и электроники |
Дата публикации : | 2018 |
Библиографическое описание : | Мельситов, О. А. Разработка алгоритма автоматического распознавания цветных дерматоскопических диагностических изображений : вып. квалификац. работа по направлению подгот. (уровень бакалавриата) "Прикладная математика и информатика" / О. А. Мельситов ; рук. работы А. Г. Храмов ; нормоконтролер С. В. Суханов ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, мат. и. - Самаpа, 2018. - on-line |
Аннотация : | Объектом исследования являются алгоритмы распознавания дерматоскопических снимков с различными новообразованиями.Цель данной работы – разработка программной реализации классификатора изображений на основе вейвлетов Хаара, локальных бинарных паттернов и гистограммного цветового анализа, посредством обучения классификатора на дерматоскопических изображениях. Проведен анализ чувствительности и специфичности в зависимости от объема выборки, проведена кросс-валидация. Дополнительно были проанализированы изображения с использованием и без цветокоррекции и установлено, что изображения без цветокоррекции дают лучший результат. Используя набор изображений, состоящий из 50 меланом и 50 прочих образований, как обучающую выборку, была достигнута чувствительность 84% и специфичность 82%. При этом показатель кросс-валидации составил 83% и 84% соответственно. |
Другие идентификаторы : | RU\НТБ СГАУ\ВКР20180907150339 |
Ключевые слова: | классификация изображений анализ изображений меланома метод опорных векторов обработка изображений гистограммный анализ диагностика меланомы |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Мельситов_Олег_Алексеевич_Разработка_алгоритма_автоматического_распознавания.pdf | 2.13 MB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.