Отрывок: Для базового алгоритма глобальный порог разделения подбирался на объеди- нённых валидационной и обучающей выборках. Основным методом классификации агглютинации является обученная легковесная нейронная сеть с 5 http://www.computeroptics.ru journal@computeroptics.ru 964 Computer Optics, 2023, Vol. 47(6) DOI: 10.18287/2412-6179-CO-1339 свёрточными слоями: размер ядра свёртки 3×3, после свёртки применяется функция активации ReLu, а за- тем на всех слоях, кроме последнего, – слой п...
Название : Алгоритм определения групп крови по изображениям серологических планшетов
Другие названия : An algorithm of blood typing using serological plate images
Авторы/Редакторы : Корчагин, С.А.
Зайченкова, Е.Е.
Шарапов, Д.А.
Ершов, Е.И.
Буторин, Ю.В.
Венгеров, Ю.Ю.
Ключевые слова : агглютинация
группа крови
классификация
преобразование Хафа
глубокое обучение
Дата публикации : Ноя-2023
Издательство : Самарский национальный исследовательский университет
Библиографическое описание : Корчагин, С.А. Алгоритм определения групп крови по изображениям серологических планшетов / С.А. Корчагин, Е.Е. Зайченкова, Д.А. Шарапов, Е.И. Ершов, Ю.В. Буторин, Ю.Ю. Венгеров // Компьютерная оптика. – 2023. – Т. 47, № 6. – С. 958-967. – DOI: 10.18287/2412-6179-CO-1339.
Серия/номер : 47;6
Аннотация : В работе рассматривается алгоритм для автоматизации системы медицинской экспресс-диагностики, предназначенной для определения группы крови путем анализа реакции агглютинации (склеивания эритроцитов). После забора крови и заполнения серологического планшета лаборанту достаточно разместить его в специальном сканере для последующего автоматического определения группы крови. Оцифровка данных и помощь лаборанту в распознавании планшетов позволяет решить сразу две критически важные задачи: хранение результатов анализа и контроль человеческого фактора. Предлагаемый алгоритм распознавания позволяет точно определить границы лунок и оценить степень агглютинации посредством легковесной свёрточной нейронной сети. Был собран уникальный набор данных с независимой оценкой степени агглютинации медицинскими экспертами. Наивысшая достигнутая точность оценки степени агглютинации на собранном наборе данных из 3231 изображения лунок оказалась сопоставима с оценкой среднего эксперта и составила 98,2 %.
URI (Унифицированный идентификатор ресурса) : https://dx.doi.org/10.18287/2412-6179-CO-1339
http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Algoritm-opredeleniya-grupp-krovi-po-izobrazheniyam-serologicheskih-planshetov-109483
Другие идентификаторы : Dspace\SGAU\20240518\109483
ГРНТИ: 28.23.15
Располагается в коллекциях: Журнал "Компьютерная оптика"

Файлы этого ресурса:
Файл Описание Размер Формат  
2412-6179_2023_47_6_958-967.pdf3.85 MBAdobe PDFПросмотреть/Открыть
Показать полное описание ресурса Просмотр статистики
Поделиться:



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