| DC Field | Value | Language |
|---|
| dc.contributor.author | Naumovich, A. | - |
| dc.date.accessioned | 2021-09-21T11:26:59Z | - |
| dc.date.available | 2021-09-21T11:26:59Z | - |
| dc.date.issued | 2021 | - |
| dc.identifier.citation | Naumovich, A. Chest Pathologies Analysis System Based On X-Ray Images Using Neural Network / A. Naumovich // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2021) : сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. В. Голенков [и др.]. – Минск, 2021. – Вып. 5. – С. 233–236. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/45438 | - |
| dc.description.abstract | The paper deals with the problem of chest pathologies recognition based on images obtained from
protable fluorographic devices. An approach based on the neural network technology is proposed. A complex algorithmic solution is delevoped. The algorithm is implemented as a specialized software package. | ru_RU |
| dc.language.iso | en | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | neural network | ru_RU |
| dc.subject | recognition | ru_RU |
| dc.subject | supervised learning | ru_RU |
| dc.subject | X-Ray image | ru_RU |
| dc.title | Chest Pathologies Analysis System Based On X-Ray Images Using Neural Network | ru_RU |
| dc.title.alternative | Система анализа патологий грудной клетки на основе рентгеновских изображений с использованием нейронной сети | ru_RU |
| dc.type | Статья | ru_RU |
| local.description.annotation | В условиях пандемии для раннего обнаружения патологии легких часто используют портативные флюорографические устройства. Из-за высокой загруженности специалистов-рентгенологов актуальной является задача разработка эффективных технологий обработки и анализа изображений, ориентированных именно на такие устройства. В рамках работы предлагается
программная система, архитектура и состав позволяет эффективно решать поставленную задачу. Она состоит из 6 основных модулей: алгоритмического модуля, базы данных, модуля визуализации и интерпретации, а также модуля калибровки. Алгоритмическое решение основано на нейросетевой технологии обработки данных с использованием фреймворка DenseNet. Прототип программной системы реализован на языке Python с использованием библиотек машинного обучения Tensorflow и Keras. Эффективность предложенного подхода демонстрируется на наборах рентгенографических снимков из базы данных RSNA и NIH. | - |
| Appears in Collections: | OSTIS-2021
|
