| DC Field | Value | Language |
|---|
| dc.contributor.author | Charapennikau, R. M. | - |
| dc.coverage.spatial | Минск | ru_RU |
| dc.date.accessioned | 2023-06-15T11:30:02Z | - |
| dc.date.available | 2023-06-15T11:30:02Z | - |
| dc.date.issued | 2023 | - |
| dc.identifier.citation | Charapennikau, R. M. Deep learning based approach for vertebrae detection on spine X-RAY / R. M. Charapennikau // BIG DATA и анализ высокого уровня = BIG DATA and Advanced Analytics : сборник научных статей IX Международной научно-практической конференции, Минск, 17–18 мая 2023 г. : в 2 ч. Ч. 2 / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск, 2023. – С. 379-384. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/52077 | - |
| dc.description.abstract | In this paper two methods for vertebra detection on X-RAY images are presented. The key difference
from standard object detection methods is that proposed ones (methods) are not limited to finding a rectangular
bounding box, but can be used to detect an object with a bounding box of arbitrary quadrangle shape.
Our method achieves 0.988 Average Precision Score with 0.822 bounding box IoU. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | medical imaging | ru_RU |
| dc.subject | object detection | ru_RU |
| dc.title | Deep learning based approach for vertebrae detection on spine X-RAY | ru_RU |
| dc.title.alternative | Основанный на глубоком обучении подход к обнаружению позвонков на рентгенограмме позвоночника | ru_RU |
| dc.type | Article | ru_RU |
| local.description.annotation | В данной статье представлены два метода детекции позвонков на рентгеновских снимках.
Основным отличием, предложенных методов, от существующих методов детекции является то, что они не
ограничены поиском прямоугольной ограничивающей рамки, а решают задачу детекции с помощью
ограничивающей рамки произвольной четырехугольной формы.
Предложенный метод достигает качества 0.988 метрики Average Precision при IoU ограничивающих
рамок 0.822. | ru_RU |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2023)
|
