Отрывок: При разделении базы изображений на 9 диагностических категорий результат точности рас- познавания был равен 55,40 ± 1,70 %. В нашей работе проводилось обучение нейросетевой архитектуры с этапом удаления волосяных структур на базе дерма- тоскопических изображений, состоящей из 10 значи- мых диагностических категорий. Полученная точ- ность распознавания нашей системы нейросетевой классификации ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Ляхов, П.А. | - |
dc.contributor.author | Ляхова, У.А. | - |
dc.date.accessioned | 2021-10-13 09:36:48 | - |
dc.date.available | 2021-10-13 09:36:48 | - |
dc.date.issued | 2021-09 | - |
dc.identifier | Dspace\SGAU\20211009\91894 | ru |
dc.identifier.citation | Ляхов, П.А. Система нейросетевой классификации пигментных новообразований кожи с предварительным удалением волос на фотографиях / П.А. Ляхов, У.А. Ляхова // Компьютерная оптика. – 2021. – Т. 45, № 5. – С. 728-735. – DOI: 10.18287/2412-6179-CO-863. | ru |
dc.identifier.uri | 10.18287/2412-6179-CO-863 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Sistema-neirosetevoi-klassifikacii-pigmentnyh-novoobrazovanii-kozhi-s-predvaritelnym-udaleniem-volos-na-fotografiyah-91894 | - |
dc.description.abstract | В статье предложена система нейросетевой классификации пигментных новообразований кожи с этапом предварительной обработки для удаления волосяных структур с изображений. Основным отличием предложенной системы является применение этапа предварительной обработки изображений для идентификации местоположения волос и их дальнейшего удаления. Данный этап позволяет подготовить дерматоскопические изображения для дальнейшего анализа с целью проведения автоматизированной классификации и диагностики пигментных кожных новообразований. Моделирование проводилось с использованием пакета прикладных программ MatLAB R2020b на клинических дерматоскопических изображениях из международного открытого архива ISIC Melanoma Project. Предложенная система позволила повысить точность распознавания изображений пигментных поражений кожи по 10 диагностически важным категориям до 80,81%. Использование предложенной системы распознавания и классификации дерматоскопических изображений пигментных поражений специалистами даст возможность увеличить эффективность диагностики по сравнению с методами визуальной постановки диагноза, а также позволит начать лечение на более ранней стадии заболевания, что напрямую влияет на процентную выживаемость и выздоровление пациентов. | ru |
dc.description.sponsorship | Работа поддержана Российским фондом фундаментальных исследований (проект № 19-07-00130 А) и грантом президента Российской Федерации (проект МК-3918.2021.1.6). Авторы выражают благодарность СКФУ за помощь в рамках проекта поддержки малых научных групп и отдельных ученых. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 45;5 | - |
dc.subject | цифровая обработка изображений | ru |
dc.subject | сверточные нейронные сети | ru |
dc.subject | дерматоскопические изображения | ru |
dc.subject | пигментные поражения кожи | ru |
dc.subject | очистка от волос | ru |
dc.subject | меланома | ru |
dc.title | Система нейросетевой классификации пигментных новообразований кожи с предварительным удалением волос на фотографиях | ru |
dc.title.alternative | Neural network classification system for pigmented skin neoplasms with preliminary hair removal in photographs | ru |
dc.type | Article | ru |
dc.textpart | При разделении базы изображений на 9 диагностических категорий результат точности рас- познавания был равен 55,40 ± 1,70 %. В нашей работе проводилось обучение нейросетевой архитектуры с этапом удаления волосяных структур на базе дерма- тоскопических изображений, состоящей из 10 значи- мых диагностических категорий. Полученная точ- ность распознавания нашей системы нейросетевой классификации ... | - |
dc.classindex.scsti | 28.23.15 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
12_Ляхов-Ляхова_KI-SV(Pics)-Lit-MI-JuN-MA-JuN2-!-Gr.pdf | Основная статья | 1.64 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.