Отрывок: Табл. 1. Результаты эксперимента Precision Recall F1-score DenseNet ResNet Xception TF DenseNet ResNet Xception TF DenseNet ResNet Xception TF OD 0,66 0,66 0,60 0,50 0,94 0,94 0,97 0,79 0,78 0,77 0,73 0,61 M 0,53 0,56 0,51 0,45 0,81 0,81 0,87 0,26 0,63 0,65 0,64 0,33 BV 0,25 0,26 0,27 0,52 0,92 0,92 0,92 0,57 0,40 0,41 0,41 0,55 HE 0,41 0,40 0,50 0,89 0,82 0,82 0,71 0,59 0,54 0,53 0,55 0,71 SE 0,33 0,72 0,54 0,00 0,56 0,...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Парингер, Р.А. | - |
dc.contributor.author | Мухин, А.В. | - |
dc.contributor.author | Ильясова, Н.Ю. | - |
dc.contributor.author | Демин, Н.С. | - |
dc.date.accessioned | 2023-06-21 14:07:22 | - |
dc.date.available | 2023-06-21 14:07:22 | - |
dc.date.issued | 2022-08 | - |
dc.identifier | Dspace\SGAU\20230601\104025 | ru |
dc.identifier.citation | Парингер, Р.А. Применение нейронных сетей для семантической сегментации изображений глазного дна / Р.А. Парингер, А.В. Мухин, Н.Ю. Ильясова, Н.С. Демин // Компьютерная оптика. – 2022. – Т. 46, № 4. – С. 596-602. – DOI: 10.18287/2412-6179-CO-1010. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-CO-1010 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Primenenie-neironnyh-setei-dlya-semanticheskoi-segmentacii-izobrazhenii-glaznogo-dna-104025 | - |
dc.description.abstract | Развитие нейросетевых алгоритмов произвело революцию во многих областях, а особенно в тех, что связаны с интеллектуальным анализом изображений. Особую сложность представляют собой задачи обработки биомедицинских данных, которым свойственны проблемы несбалансированности, малого объема и некачественной разметки. В данной работе производится исследование возможности использования нейронных сетей для решения задачи семантической сегментации изображений глазного дна. Для оценки применимости нейронных сетей для решения данной задачи было произведено сравнение их результатов с результатами сегментации изображений с помощью текстурных признаков. В результате оказалось, что нейронные сети превосходят в точности текстурные признаки по метрикам precision (~25%) и recall (~50%). Нейронные сети могут быть применены для решения задач биомедицинской сегментации изображений с предварительным применением алгоритмов балансировки и аугментации данных. | ru |
dc.description.sponsorship | Работа выполнена при финансовой поддержке РФФИ (грант № 19-29-01135), Министерства науки и высшего образования РФ в рамках выполнения работ по государственному заданию ФНИЦ «Кристаллография и фотоника» РАН. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 46;4 | - |
dc.subject | свертка | ru |
dc.subject | нейронные сети | ru |
dc.subject | сверточные сети | ru |
dc.subject | сегментация | ru |
dc.subject | глазное дно | ru |
dc.title | Применение нейронных сетей для семантической сегментации изображений глазного дна | ru |
dc.title.alternative | Neural networks application for semantic segmentation of fundus | ru |
dc.type | Article | ru |
dc.textpart | Табл. 1. Результаты эксперимента Precision Recall F1-score DenseNet ResNet Xception TF DenseNet ResNet Xception TF DenseNet ResNet Xception TF OD 0,66 0,66 0,60 0,50 0,94 0,94 0,97 0,79 0,78 0,77 0,73 0,61 M 0,53 0,56 0,51 0,45 0,81 0,81 0,87 0,26 0,63 0,65 0,64 0,33 BV 0,25 0,26 0,27 0,52 0,92 0,92 0,92 0,57 0,40 0,41 0,41 0,55 HE 0,41 0,40 0,50 0,89 0,82 0,82 0,71 0,59 0,54 0,53 0,55 0,71 SE 0,33 0,72 0,54 0,00 0,56 0,... | - |
dc.classindex.scsti | 28.23.14 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
2412-6179_2022_46-4_596-602.pdf | 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.