Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/47012
Title: Поиск схожих анатомических областей на КТ-изображениях лёгких с использованием сверточных нейронных сетей
Other Titles: Finding a similar anatomical area on the lung`s CT-image using efficientnet
Authors: Косарева, А. А.
Камлач, П. В.
Ковалёв, В. А.
Снежко, Э. В.
Раджабов, А. Г.
Keywords: материалы конференций;компьютерная томография легких;классы моделей нейронных сетей EfficientNet;дескрипторы изображений;нейросетевые признаки;computed tomography of lungs;image descriptor;neural network features
Issue Date: 2022
Publisher: Бестпринт
Citation: Поиск схожих анатомических областей на КТ-изображениях лёгких с использованием сверточных нейронных сетей / А. А. Косарева [и др.] // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научный статей VIII Международной научно-практической конференции, Минск, 11-12 мая 2022 года / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск, 2022. – С. 476–482.
Abstract: В данной работе исследуется эффективность использования моделей свёрточных нейронных сетей класса EfficientNet при решении задачи классификации слоя изображения компьютерной томографии лёгких. Приводятся результаты отнесения слоя КТ изображения к одному из классов в соответствии с содержимым анатомической области грудной полости на слое: верхние доли лёгких, сердце, печень. Оцениваются результаты обучения нейронной сети разных версий, определяется оптимальная модель из класса EfficientNet для решения поставленной задачи. Формулируются выводы о пригодности данного класса моделей к извлечению нейросетевых признаков изображений компьютерной томографии лёгких.
Alternative abstract: This paper explores the efficiency of using the EfficientNet network when solving the task of determining the similar layer of the computer tomography lung`s image. The results of searching for a similar layer based on pre-marked images are given. Three grades are used: the top of a lung, heart, liver. The results of learning the neural network of different versions are estimated, the optimal learning option is determined under the objective task. Formulate conclusions about the suitability of this class of models to extract neural network signs of images of computer tomography of lungs.
URI: https://libeldoc.bsuir.by/handle/123456789/47012
ISBN: 978-985-7267-19-4
Appears in Collections:BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2022)

Files in This Item:
File Description SizeFormat 
Kosareva_Poisk.pdf1.53 MBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.