Analysis and diagnosis of cystic fibrosis of the lungs with improved deep learning techniques; Перспективы развития фундаментальных наук; Т. 7 : IT-технологии и электроника
| Parent link: | Перспективы развития фундаментальных наук=Prospects of Fundamental Sciences Development: сборник научных трудов XVII Международной конференции студентов, аспирантов и молодых ученых, г. Томск, 21-24 апреля 2020 г./ Национальный исследовательский Томский политехнический университет (ТПУ) ; под ред. И. А. Курзиной, Г. А. Вороновой.— , 2020 Т. 7 : IT-технологии и электроника.— 2020.— [С. 8-10] |
|---|---|
| Autor principal: | |
| Autores corporativos: | , |
| Outros Autores: | , , |
| Resumo: | Заглавие с экрана Целью работы является разработка алгоритма выявления патологического образования при муковисцидоз. Основой алгоритма является модель PSPNet с потерей очага, которая позволяет вводить наборы данных в соответствии с их сходством на основе диагностических признаков для выявления муковисцидоз легких. Простая и эффективная структура алгоритма использует метод группировки аннотированных изображений, которые затем обрабатываются в CNN, что помогает с высокой точностью локализовать области муковисцидоз в легких. |
| Idioma: | inglês |
| Publicado em: |
2020
|
| Assuntos: | |
| Acesso em linha: | http://earchive.tpu.ru/handle/11683/63015 |
| Formato: | Recurso Eletrônico Capítulo de Livro |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=631581 |
| Resumo: | Заглавие с экрана Целью работы является разработка алгоритма выявления патологического образования при муковисцидоз. Основой алгоритма является модель PSPNet с потерей очага, которая позволяет вводить наборы данных в соответствии с их сходством на основе диагностических признаков для выявления муковисцидоз легких. Простая и эффективная структура алгоритма использует метод группировки аннотированных изображений, которые затем обрабатываются в CNN, что помогает с высокой точностью локализовать области муковисцидоз в легких. |
|---|