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...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorКорчагин, С.А.-
dc.contributor.authorЗайченкова, Е.Е.-
dc.contributor.authorШарапов, Д.А.-
dc.contributor.authorЕршов, Е.И.-
dc.contributor.authorБуторин, Ю.В.-
dc.contributor.authorВенгеров, Ю.Ю.-
dc.date.accessioned2024-06-18 10:47:35-
dc.date.available2024-06-18 10:47:35-
dc.date.issued2023-11-
dc.identifierDspace\SGAU\20240518\109483ru
dc.identifier.citationКорчагин, 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.ru
dc.identifier.urihttps://dx.doi.org/10.18287/2412-6179-CO-1339-
dc.identifier.urihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Algoritm-opredeleniya-grupp-krovi-po-izobrazheniyam-serologicheskih-planshetov-109483-
dc.description.abstractВ 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 %.ru
dc.language.isorusru
dc.publisherСамарский национальный исследовательский университетru
dc.relation.ispartofseries47;6-
dc.subjectагглютинацияru
dc.subjectгруппа кровиru
dc.subjectклассификацияru
dc.subjectпреобразование Хафаru
dc.subjectглубокое обучениеru
dc.titleАлгоритм определения групп крови по изображениям серологических планшетовru
dc.title.alternativeAn algorithm of blood typing using serological plate imagesru
dc.typeArticleru
dc.textpartДля 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...-
dc.classindex.scsti28.23.15-
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 базовое описание ресурса Просмотр статистики
Поделиться:



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