Please use this identifier to cite or link to this item:
http://earchive.tpu.ru/handle/11683/63015
Title: | Analysis and diagnosis of cystic fibrosis of the lungs with improved deep learning techniques |
Other Titles: | Анализ и диагностика цистического фиброза легких с улучшенными методами глубокого обучения |
Authors: | Francis, N. J. Francis, N. S. Saqib, Muhammad |
metadata.dc.contributor.advisor: | Aksenov, Sergey Vladimirovich |
Keywords: | алгоритмы; паталогии; легкие; облучение; диагностика; заболевания; сегментация; сверточные нейронные сети; изображения |
Issue Date: | 2020 |
Publisher: | Изд-во ТУСУР |
Citation: | Francis N. J. Analysis and diagnosis of cystic fibrosis of the lungs with improved deep learning techniques / N. J. Francis, N. S. Francis, M. Saqib ; sci. adv. S. V. Aksenov // Перспективы развития фундаментальных наук : сборник научных трудов XVII Международной конференции студентов, аспирантов и молодых ученых, г. Томск, 21-24 апреля 2020 г. : в 7 т. — Томск : Изд-во ТУСУР, 2020. — Т. 7 : IT-технологии и электроника. — [С. 8-10]. |
Abstract: | 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. |
URI: | http://earchive.tpu.ru/handle/11683/63015 |
Appears in Collections: | Материалы конференций |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
conference_tpu-2020-C21_V7_p8-10.pdf | 203,69 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License