Отрывок: Ори- гинальные версии ResNet выглядят аналогично за ис- ключением отсутствия SE-блоков в базовом и расши- ренном строительных блоках. DenseNet. DenseNet состоит из серии плотно- связанных и транзитных блоков, где назначение вто- рых – изменение пространственной и канальной раз- мерности данных для соблюдения баланса между обобщающей способностью сети и ее вычислитель- ной сложностью. При этом плотно -связанный блок состоит из ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Михайличенко, А.А. | - |
dc.contributor.author | Демяненко, Я.М. | - |
dc.date.accessioned | 2023-02-21 10:23:02 | - |
dc.date.available | 2023-02-21 10:23:02 | - |
dc.date.issued | 2022-04 | - |
dc.identifier | Dspace\SGAU\20230220\102112 | ru |
dc.identifier.citation | Михайличенко, А.А. Использование блоков сжатия и возбуждения для повышения точности автоматической классификации остеоартрита коленного сустава при помощи сверточных нейронных сетей / А.А. Михайличенко, Я.М. Демяненко // Компьютерная оптика. – 2022. – Т. 46, № 2. – С. 317-325. – DOI: 10.18287/2412-6179-CO-897. | ru |
dc.identifier.uri | 10.18287/2412-6179-CO-897 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Ispolzovanie-blokov-szhatiya-i-vozbuzhdeniya-dlya-povysheniya-tochnosti-avtomaticheskoi-klassifikacii-osteoartrita-kolennogo-sustava-pri-pomoshi-svertochnyh-neironnyh-setei-102112 | - |
dc.description.abstract | В данной работе исследуется влияние блоков сжатия и возбуждения на улучшение качества классификации остеоартрита при помощи сверточных нейронных сетей с архитектурами ResNet и DenseNet. Показано, что использование подобных блоков позволяет повысить качество классификации остеоартрита по шкале Келлгрена–Лоуренса на 1–3 % без существенной модификации традиционных схем. Также показано, что объединение 0-го и 1-го классов шкалы Келлгрена–Лоуренса в один класс позволяет на 12,74 % повысить точность автоматической классификации стадии остеоартрита, не теряя при этом значимой информации о заболевании. Наилучшая точность классификации составила 84,66 % при использовании ансамбля трех сверточных сетей с архитектурой DenseNet-121, с включенными в них блоками сжатия и возбуждения, что существенно превосходит результаты предыдущих исследований. Полученные результаты могут быть использованы как для автоматической постановки предварительного диагноза, так и в качестве вспомогательного инструмента. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 46;2 | - |
dc.subject | обработка изображений | ru |
dc.subject | сверточные нейронные сети | ru |
dc.subject | автоматическая классификация остеоартрита | ru |
dc.title | Использование блоков сжатия и возбуждения для повышения точности автоматической классификации остеоартрита коленного сустава при помощи сверточных нейронных сетей | ru |
dc.title.alternative | Using squeeze-and-excitation blocks to improve an accuracy of automatically grading knee osteoarthritis severity using convolutional neural networks | ru |
dc.type | Article | ru |
dc.textpart | Ори- гинальные версии ResNet выглядят аналогично за ис- ключением отсутствия SE-блоков в базовом и расши- ренном строительных блоках. DenseNet. DenseNet состоит из серии плотно- связанных и транзитных блоков, где назначение вто- рых – изменение пространственной и канальной раз- мерности данных для соблюдения баланса между обобщающей способностью сети и ее вычислитель- ной сложностью. При этом плотно -связанный блок состоит из ... | - |
dc.classindex.scsti | 28.23.15 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
17-Михайличенко-Демяненко_KI-Lit-JuN-MI-MA-SV-JuN2.pdf | Основная статья | 1.06 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.