Отрывок: Информация о слоях нейронной сети представлена на Рис. 1. На вход нейросети подается двумерное RGB изображение, приведенное к размеру 224х224 пикселей. Обучающая и тестовая выборки сформированы из изображений, извлеченных из зарегистрированных гиперкубов в указанном диапазоне от 530 нм до 630 нм (см. Таблицу I), в соотношении 90% и 10%, соответственно. IX Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2023...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Гречкин Б. В. | ru |
dc.contributor.author | Винокуров В. О. | ru |
dc.contributor.author | Матвеева И. А. | ru |
dc.coverage.spatial | злокачественная меланома | ru |
dc.coverage.spatial | гиперспектральная визуализация | ru |
dc.coverage.spatial | рак кожи | ru |
dc.coverage.spatial | пигментный невус | ru |
dc.coverage.spatial | нейронные сети | ru |
dc.coverage.spatial | классификация | ru |
dc.coverage.spatial | медицинская диагностика | ru |
dc.creator | Гречкин Б. В., Винокуров В. О., Матвеева И. А. | ru |
dc.date.issued | 2023 | ru |
dc.identifier | RU\НТБ СГАУ\542109 | ru |
dc.identifier.citation | Гречкин, Б. В. Нейросетевой классификатор гиперспектральных изображений / Б. В. Гречкин, В. О. Винокуров, И. А. Матвеева // 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. 6: Информационные технологии в биомедицине / под ред. В. П. Захарова. - 2023. - С. 062592. | ru |
dc.description.abstract | В последние годы для исследования биологических тканей все чаще используются различные оптические методы. Целью работы является изучение возможностей нейросетевого классификатора диагностировать онкологические заболевания кожи. Проведено исследование гиперспектральных снимков злокачественной меланомы и пигментного невуса. Разработан классификатор гиперспектральных изображений на основе нейронных сетейглубокого обучения. Результаты демонстрируют возможность применения машинного обучения при классификации гиперспектральных изображений различных новообразований кожного покрова. Классификация гиперспектров разных нозологий (злокачественные и доброкачественные новообразования, злокачественная меланома и пигментные новообразования) показывает точность классификации 95%. | 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. 6 : Информационные технологии в биомедицине | ru |
dc.title | Нейросетевой классификатор гиперспектральных изображений | ru |
dc.type | Text | ru |
dc.citation.spage | 062592 | ru |
dc.citation.volume | 6 | ru |
dc.textpart | Информация о слоях нейронной сети представлена на Рис. 1. На вход нейросети подается двумерное RGB изображение, приведенное к размеру 224х224 пикселей. Обучающая и тестовая выборки сформированы из изображений, извлеченных из зарегистрированных гиперкубов в указанном диапазоне от 530 нм до 630 нм (см. Таблицу I), в соотношении 90% и 10%, соответственно. IX Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2023... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
978-5-7883-1922-3_2023-062592.pdf | 523.21 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.