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.authorГречкин Б. В.ru
dc.contributor.authorВинокуров В. О.ru
dc.contributor.authorМатвеева И. А.ru
dc.coverage.spatialзлокачественная меланомаru
dc.coverage.spatialгиперспектральная визуализацияru
dc.coverage.spatialрак кожиru
dc.coverage.spatialпигментный невусru
dc.coverage.spatialнейронные сетиru
dc.coverage.spatialклассификацияru
dc.coverage.spatialмедицинская диагностикаru
dc.creatorГречкин Б. В., Винокуров В. О., Матвеева И. А.ru
dc.date.issued2023ru
dc.identifierRU\НТБ СГАУ\542109ru
dc.identifier.citationГречкин, 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.abstractВ 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.isorusru
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6ru
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2023). - Т. 6 : Информационные технологии в биомедицинеru
dc.titleНейросетевой классификатор гиперспектральных изображенийru
dc.typeTextru
dc.citation.spage062592ru
dc.citation.volume6ru
dc.textpartИнформация 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.pdf523.21 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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