Отрывок: Данный показатель определяется по формуле: где TN – количество истинно отрицательных результатов, FP – ложноположительные результаты. Определив специфичность, можно априори предполагать, какова доля здоровых лиц, у которых этот метод даст отрицательный результат. Чем выше специфичность метода, тем надежнее с его помощью подтверждается заболевание, и тем, следовательно, он более э...
Название : Разработка алгоритма автоматического распознавания цветных дерматоскопических диагностических изображений
Авторы/Редакторы : Мельситов О. А.
Храмов А. Г.
Суханов С. В.
Министерство образования и науки Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2018
Библиографическое описание : Мельситов, О. А. Разработка алгоритма автоматического распознавания цветных дерматоскопических диагностических изображений : вып. квалификац. работа по направлению подгот. (уровень бакалавриата) "Прикладная математика и информатика" / О. А. Мельситов ; рук. работы А. Г. Храмов ; нормоконтролер С. В. Суханов ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, мат. и. - Самаpа, 2018. - on-line
Аннотация : Объектом исследования являются алгоритмы распознавания дерматоскопических снимков с различными новообразованиями.Цель данной работы – разработка программной реализации классификатора изображений на основе вейвлетов Хаара, локальных бинарных паттернов и гистограммного цветового анализа, посредством обучения классификатора на дерматоскопических изображениях. Проведен анализ чувствительности и специфичности в зависимости от объема выборки, проведена кросс-валидация. Дополнительно были проанализированы изображения с использованием и без цветокоррекции и установлено, что изображения без цветокоррекции дают лучший результат. Используя набор изображений, состоящий из 50 меланом и 50 прочих образований, как обучающую выборку, была достигнута чувствительность 84% и специфичность 82%. При этом показатель кросс-валидации составил 83% и 84% соответственно.
Другие идентификаторы : RU\НТБ СГАУ\ВКР20180907150339
Ключевые слова: классификация изображений
анализ изображений
меланома
метод опорных векторов
обработка изображений
гистограммный анализ
диагностика меланомы
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Мельситов_Олег_Алексеевич_Разработка_алгоритма_автоматического_распознавания.pdf2.13 MBAdobe PDFПросмотреть/Открыть  
Показать полное описание ресурса Просмотр статистики
Поделиться:



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