Отрывок: 3. PROPOSED METHOD Our proposed method is based on the well-established deep learning model Xception, vgg19, ResNet50, DenseNet121, Inception models. We prefer to use the DenseNet121 model (see detailed description in Table because , it extracts the features at low-level by using its smaller kernel size, which is appropriate for COVID-19 images with a lower number of layers c...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorMakarovskikh T.ru
dc.contributor.authorSalah A.ru
dc.contributor.authorBadr A.ru
dc.contributor.authorMishra P.ru
dc.contributor.authorAbotaleb M.ru
dc.coverage.spatialConvolution Neural Networkru
dc.coverage.spatialCovid 19ru
dc.coverage.spatialInceptionru
dc.coverage.spatialDenseNet121ru
dc.coverage.spatialResNet50ru
dc.coverage.spatialvgg19ru
dc.coverage.spatialXceptionru
dc.coverage.spatialX-ray Image Classificationru
dc.coverage.spatialалгоритмы глубокого обученияru
dc.coverage.spatialавтоматическая классификацияru
dc.coverage.spatialрентгеновские изображения инфекционных болезнейru
dc.coverage.spatialнейронные сетиru
dc.coverage.spatialконволюционная нейронная сетьru
dc.coverage.spatialклассификация рентгеновских изображенийru
dc.creatorMakarovskikh T., Salah A., Badr A., Mishra P., Abotaleb M.ru
dc.date.issued2022ru
dc.identifierRU\НТБ СГАУ\491187ru
dc.identifier.citationAutomatic classification infectious disease X-ray images based on deep learning algorithms / T. Makarovskikh, A. Salah, A. Badr, P. Mishra, M. Abotaleb // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 4: Искусственный интеллект / под ред. А. В. Никонорова. - 2022. - С. 042302.ru
dc.description.abstractПоследние технологические достижения позволяют использовать глубокое обучения практически во всех сферах жизни. Поскольку методы глубокого обучения точны, они могут быть использовать в медицине для классификации и выявления различных заболеваний. SARSCoV2 можно диагностировать с помощью ПЦР и медицинской визуализации. Для диагностики SARSCoV2 используется рентгеновский снимок грудной клетки.ru
dc.description.abstractRecent technological advancements allow deep learning to be employed in practically every aspect of life.Because deep learning techniques are so precise, they can be utilized in medicine to classify and detect various diseases. The coronavirus (SARSCoV2) epidemic has recently affected global health systems. SARSCoV2 may be diagnosed via PCR and medical imaging. A chest X-ray is used to diagnose SARSCoV2. This paper proposes a deep learning technique to distinguish SARSCoV2 positive and normal cases. X-rays are the traditional method for diagnosing SARSCoV2, and deep learning models have proven their superior ability to classify medical images, which will be the tool in the future for the classification of any other epidemics that may appear in the future. In this study, not only are the deep learning models finetuned, but also the hyperparameters are fine-tuned, which significantly improves the performance of the fine-tuned deep learning models. we developed a system based on deep learning algorithms to clasru
dc.language.isoengru
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. -ru
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2022). - Т. 4 : Искусственный интеллектru
dc.titleAutomatic classification infectious disease X-ray images based on deep learning algorithmsru
dc.typeTextru
dc.citation.spage042302ru
dc.citation.volume4ru
dc.textpart3. PROPOSED METHOD Our proposed method is based on the well-established deep learning model Xception, vgg19, ResNet50, DenseNet121, Inception models. We prefer to use the DenseNet121 model (see detailed description in Table because , it extracts the features at low-level by using its smaller kernel size, which is appropriate for COVID-19 images with a lower number of layers c...-
Располагается в коллекциях: Информационные технологии и нанотехнологии




Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.