Отрывок: Для базового алгоритма глобальный порог разделения подбирался на объеди- нённых валидационной и обучающей выборках. Основным методом классификации агглютинации является обученная легковесная нейронная сеть с 5 http://www.computeroptics.ru journal@computeroptics.ru 964 Computer Optics, 2023, Vol. 47(6) DOI: 10.18287/2412-6179-CO-1339 свёрточными слоями: размер ядра свёртки 3×3, после свёртки применяется функция активации ReLu, а за- тем на всех слоях, кроме последнего, – слой п...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Корчагин, С.А. | - |
dc.contributor.author | Зайченкова, Е.Е. | - |
dc.contributor.author | Шарапов, Д.А. | - |
dc.contributor.author | Ершов, Е.И. | - |
dc.contributor.author | Буторин, Ю.В. | - |
dc.contributor.author | Венгеров, Ю.Ю. | - |
dc.date.accessioned | 2024-06-18 10:47:35 | - |
dc.date.available | 2024-06-18 10:47:35 | - |
dc.date.issued | 2023-11 | - |
dc.identifier | Dspace\SGAU\20240518\109483 | ru |
dc.identifier.citation | Корчагин, С.А. Алгоритм определения групп крови по изображениям серологических планшетов / С.А. Корчагин, Е.Е. Зайченкова, Д.А. Шарапов, Е.И. Ершов, Ю.В. Буторин, Ю.Ю. Венгеров // Компьютерная оптика. – 2023. – Т. 47, № 6. – С. 958-967. – DOI: 10.18287/2412-6179-CO-1339. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-CO-1339 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Algoritm-opredeleniya-grupp-krovi-po-izobrazheniyam-serologicheskih-planshetov-109483 | - |
dc.description.abstract | В работе рассматривается алгоритм для автоматизации системы медицинской экспресс-диагностики, предназначенной для определения группы крови путем анализа реакции агглютинации (склеивания эритроцитов). После забора крови и заполнения серологического планшета лаборанту достаточно разместить его в специальном сканере для последующего автоматического определения группы крови. Оцифровка данных и помощь лаборанту в распознавании планшетов позволяет решить сразу две критически важные задачи: хранение результатов анализа и контроль человеческого фактора. Предлагаемый алгоритм распознавания позволяет точно определить границы лунок и оценить степень агглютинации посредством легковесной свёрточной нейронной сети. Был собран уникальный набор данных с независимой оценкой степени агглютинации медицинскими экспертами. Наивысшая достигнутая точность оценки степени агглютинации на собранном наборе данных из 3231 изображения лунок оказалась сопоставима с оценкой среднего эксперта и составила 98,2 %. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 47;6 | - |
dc.subject | агглютинация | ru |
dc.subject | группа крови | ru |
dc.subject | классификация | ru |
dc.subject | преобразование Хафа | ru |
dc.subject | глубокое обучение | ru |
dc.title | Алгоритм определения групп крови по изображениям серологических планшетов | ru |
dc.title.alternative | An algorithm of blood typing using serological plate images | ru |
dc.type | Article | ru |
dc.textpart | Для базового алгоритма глобальный порог разделения подбирался на объеди- нённых валидационной и обучающей выборках. Основным методом классификации агглютинации является обученная легковесная нейронная сеть с 5 http://www.computeroptics.ru journal@computeroptics.ru 964 Computer Optics, 2023, Vol. 47(6) DOI: 10.18287/2412-6179-CO-1339 свёрточными слоями: размер ядра свёртки 3×3, после свёртки применяется функция активации ReLu, а за- тем на всех слоях, кроме последнего, – слой п... | - |
dc.classindex.scsti | 28.23.15 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
2412-6179_2023_47_6_958-967.pdf | 3.85 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.