| DC Field | Value | Language |
|---|
| dc.contributor.author | Лазарева, Ю. А. | - |
| dc.contributor.author | Скудняков, Ю. А. | - |
| dc.contributor.author | Потоцкий, Д. С. | - |
| dc.coverage.spatial | Донецк | en_US |
| dc.date.accessioned | 2026-06-18T10:23:09Z | - |
| dc.date.available | 2026-06-18T10:23:09Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Лазарева, Ю. А. Применение компьютерного зрения и глубокого обучения для диагностики кожных заболеваний при использовании лампы Вуда / Ю. А. Лазарева, Ю. А. Скудняков, Д. С. Потоцкий // Информатика, управляющие системы, математическое и компьютерное моделирование (ИУСМКМ–2026) : сборник материалов XVII Всероссийской научно-технической конференции с международным участием в рамках XII Международного научного форума Донецкой Народной Республики, Донецк, 22–23 апреля 2026 г. / Донецкий национальный технический университет [и др.] ; редкол. : А. Я. Аноприенко [и др.] ; отв. ред. Р. В. Мальчева. – Донецк, 2026. – С. 247–253. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/64172 | - |
| dc.description.abstract | В статье рассматривается метод автоматизированной диагностики кожных заболеваний по флуоресцентным изображениям, полученным под лампой Вуда. Технология объединяет компьютерное зрение OpenCV для обработки и сегментации и глубокое обучение MobileNetV2 для классификации, TensorFlow для обучения. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | Донецкий национальный технический университет | en_US |
| dc.subject | публикации ученых | en_US |
| dc.subject | компьютерное зрение | en_US |
| dc.subject | глубокое обучение | en_US |
| dc.subject | лампы Вуда | en_US |
| dc.subject | OpenCV | en_US |
| dc.subject | MobileNetV2 | en_US |
| dc.subject | TensorFlow | en_US |
| dc.title | Применение компьютерного зрения и глубокого обучения для диагностики кожных заболеваний при использовании лампы Вуда | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The article discusses a method for automated diagnosis of skin diseases based on fluorescent images obtained under a Wood lamp. The technology combines OpenCV computer vision for processing and segmentation, and MobileNetV2 deep learning for classification, using TensorFlow for training. | en_US |
| Appears in Collections: | Публикации в зарубежных изданиях
|
