Отрывок: Д. Каприн, В.В. Старинский, Г.В. Петрова. – M.: МНИОИ им. П.А. Герцена  филиал ФГБУ «НМИРЦ» Минздрава России, 2019. – 250 c. 6. de Oliveira Santos, M. Estimativa 2018: Incidência de câncer no Brasil / M. de Oliveira Santos // Revista Brasileira De Cancerologia. – 2018. – Vol. 64, No. 1. – P. 119-120. 7. de Almeida, V.L. Câncer e agentes antineoplásicos ciclo- celular específicos e ciclo-celular nãoespecíficos que inter...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorВинокуров, В.О.-
dc.contributor.authorМатвеева, И.А.-
dc.contributor.authorХристофорова, Ю.А.-
dc.contributor.authorМякинин, О.О.-
dc.contributor.authorБратченко, И.А.-
dc.contributor.authorБратченко, Л.А.-
dc.contributor.authorМорятов, А.А.-
dc.contributor.authorКозлов, С.Г.-
dc.contributor.authorМачихин, А.С.-
dc.contributor.authorАбдулхалим, И.-
dc.contributor.authorЗахаров, В.П.-
dc.date.accessioned2022-02-07 16:35:00-
dc.date.available2022-02-07 16:35:00-
dc.date.issued2021-11-
dc.identifierDspace\SGAU\20220203\95514ru
dc.identifier.citationВинокуров, В.О. Нейросетевой классификатор гиперспектральных снимков кожных патологий / В.О. Винокуров, И.А. Матвеева, Ю.А. Христофорова, О.О. Мякинин, И.А. Братченко, Л.А. Братченко, А.А. Морятов, С.Г. Козлов, А.С. Мачихин, И. Абдулхалим, В.П. Захаров // Компьютерная оптика. – 2021. – Т. 45, № 6. – С. 879-886. – DOI: 10.18287/2412-6179-CO-832.ru
dc.identifier.uri10.18287/2412-6179-CO-832-
dc.identifier.urihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Neirosetevoi-klassifikator-giperspektralnyh-snimkov-kozhnyh-patologii-95514-
dc.description.abstractВ работе представлены результаты применения нейросетевого классификатора для анализа снимков злокачественных и доброкачественных кожных образований, полученных с помощью гиперспектральной камеры. С помощью трёхблочной нейросети архитектуры VGG произведена классификация набора двумерных изображений меланомы, папилломы и базальноклеточной карциномы, полученных в диапазонах 530–570 и 600–606 нм, характеризуемых наибольшим поглощением меланина и гемоглобина. Проанализирована достаточность включения в обучающий набор двумерных изображений ограниченного спектрального диапазона. Полученные результаты позволяют судить о значительных перспективах применения нейросетевых алгоритмов обработки гиперспектральных данных для классификации кожных патологий. При относительно малом наборе обучающих данных точность классификации для трех типов новообразований составила 96 %.ru
dc.description.sponsorshipИсследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-52-06005 МНТИ_а.ru
dc.language.isorusru
dc.publisherСамарский национальный исследовательский университетru
dc.relation.ispartofseries45;6-
dc.subjectгиперспектральная визуализация, нейросетевой классификатор, меланин, гемоглобин, онкопатология, меланома, базальноклеточная карцинома, VGGru
dc.titleНейросетевой классификатор гиперспектральных снимков кожных патологийru
dc.title.alternativeNeural network classifier of hyperspectral images of skin pathologiesru
dc.typeArticleru
dc.textpartД. Каприн, В.В. Старинский, Г.В. Петрова. – M.: МНИОИ им. П.А. Герцена  филиал ФГБУ «НМИРЦ» Минздрава России, 2019. – 250 c. 6. de Oliveira Santos, M. Estimativa 2018: Incidência de câncer no Brasil / M. de Oliveira Santos // Revista Brasileira De Cancerologia. – 2018. – Vol. 64, No. 1. – P. 119-120. 7. de Almeida, V.L. Câncer e agentes antineoplásicos ciclo- celular específicos e ciclo-celular nãoespecíficos que inter...-
dc.classindex.scsti50.53.17-
Располагается в коллекциях: Журнал "Компьютерная оптика"

Файлы этого ресурса:
Файл Описание Размер Формат  
12-Винокуров-Матвеева-Христофорова-и-др_SV(Pics)-KI-Lit-JuN-MI-MA-JuN2-Aut-!-Corr.pdfОсновная статья1.35 MBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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