Отрывок: Иными словами, из значения каждого признака вычиталось среднее значение этого призна- ка, после чего результат делился на его среднеквадра- тическое отклонение. При этом среднее значение признака и его среднеквадратическое отклонение оценивались по обучающей выборке. В качестве классификат...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Агафонова, Ю.Д. | - |
dc.contributor.author | Гайдель, А.В. | - |
dc.contributor.author | Зельтер, П.М. | - |
dc.contributor.author | Капишников, А.В. | - |
dc.date.accessioned | 2020-04-30 20:06:38 | - |
dc.date.available | 2020-04-30 20:06:38 | - |
dc.date.issued | 2020-04 | - |
dc.identifier | Dspace\SGAU\20200429\83071 | ru |
dc.identifier.citation | Агафонова, Ю.Д. Эффективность алгоритмов машинного обучения и свёрточной нейронной сети для обнаружения патологических изменений на магнитно-резонансных томограммах головного мозга / Ю.Д. Агафонова, А.В. Гайдель, П.М. Зельтер, А.В. Капишников // Компьютерная оптика. – 2020. – Т. 44, № 2. – С. 266-273. – DOI: 10.18287/2412-6179-CO-671. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-CO-671 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Effektivnost-algoritmov-mashinnogo-obucheniya-i-svertochnoi-neironnoi-seti-dlya-obnaruzheniya-patologicheskih-izmenenii-na-magnitnorezonansnyh-tomogrammah-golovnogo-mozga-83071 | - |
dc.description.abstract | В работе сравниваются подходы для автоматического обнаружения различимых невооружённым глазом областей патологических изменений на изображениях МРТ головного мозга. В статье проанализированы многоэтапные подходы для диагностики видимых патологических изменений головного мозга на магнитно-резонансных томограммах, основанные на глубоком обучении и на пороговой обработке. Была сформирована свёрточная нейронная сеть, построен классификатор, основанный на применении ансамбля решающих деревьев, был создан алгоритм для многоэтапной обработки изображений. В результате экспериментальных исследований было установлено, что наиболее эффективным методом распознавания изображений магнитно-резонансной томографии является подход, основанный на ансамбле решающих деревьев. С его помощью 95 % изображений из контрольной выборки были классифицированы правильно. При этом с помощью свёрточной нейронной сети удалось классифицировать правильно все изображения, содержащие область патологических изменений. Полученные данные могут найти применение на практике для диагностики заболеваний головного мозга, для автоматизации процесса обработки большого количества исследований магнитно-резонансной томографии. | ru |
dc.description.sponsorship | Разработка методов и алгоритмов выполнена при поддержке грантов РФФИ № 19-29-01235 мк и № 19-29-01135 мк, экспериментальные исследования – в рамках госзадания ИСОИ РАН – филиала ФНИЦ «Кристаллография и фотоника» РАН (соглашение № 007-ГЗ/Ч3363/26). | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 44;2 | - |
dc.subject | компьютерное зрение | ru |
dc.subject | компьютерное зрение | ru |
dc.subject | магнитно-резонансная томография | ru |
dc.subject | классификация | ru |
dc.subject | свёрточная нейронная сеть | ru |
dc.title | Эффективность алгоритмов машинного обучения и свёрточной нейронной сети для обнаружения патологических изменений на магнитно-резонансных томограммах головного мозга | ru |
dc.title.alternative | Efficiency of machine learning algorithms and convolutional neural network for detection of pathological changes in MR images of the brain | ru |
dc.type | Article | ru |
dc.textpart | Иными словами, из значения каждого признака вычиталось среднее значение этого призна- ка, после чего результат делился на его среднеквадра- тическое отклонение. При этом среднее значение признака и его среднеквадратическое отклонение оценивались по обучающей выборке. В качестве классификат... | - |
dc.classindex.scsti | 28.23.15 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
440217.pdf | Основная статья | 1.29 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.