| DC Field | Value | Language |
|---|
| dc.contributor.author | Смольская, Т. С. | - |
| dc.contributor.author | Друц, Э. В. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-07-13T08:21:43Z | - |
| dc.date.available | 2026-07-13T08:21:43Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Смольская, Т. С. Обзор методов сегментации медицинских изображений = A review of medical image segmentation methods / Т. С. Смольская, Э. В. Друц // Электронные системы и технологии : сборник материалов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: П. В. Камлач [и др.]. – Минск, 2026. – С. 305–308. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/64575 | - |
| dc.description.abstract | В статье представлен обзор современных методов сегментации медицинских изображений, применяемых при обработке данных компьютерной томографии. Рассмотрены классические алгоритмы сегментации, методы машинного обучения, а также современные нейросетевые архитектуры, используемые для выделения анатомических структур на медицинских изображениях. Проведен анализ преимуществ и ограничений различных подходов, а также рассмотрены перспективные направления применения методов глубокого обучения для автоматизации процесса сегментации и повышения точности построения трёхмерных моделей анатомических структур. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | медицинские изображения | en_US |
| dc.subject | сегментация изображений | en_US |
| dc.subject | компьютерная томография | en_US |
| dc.subject | нейронные сети | en_US |
| dc.subject | глубокое обучение | en_US |
| dc.title | Обзор методов сегментации медицинских изображений | en_US |
| dc.title.alternative | A review of medical image segmentation methods | en_US |
| dc.type | Article | en_US |
| local.description.annotation | This article presents an overview of modern medical image segmentation methods applied in the processing of computed tomography data. The paper examines classical segmentation algorithms, machine learning techniques, and modern neural network architectures used for delineating anatomical structures in medical images. An analysis of the advantages and limitations of various approaches is conducted, and promising directions for applying deep learning methods to automate the segmentation process and enhance the accuracy of constructing three-dimensional models of anatomical structures are discussed. | en_US |
| Appears in Collections: | Электронные системы и технологии : материалы 62-й конференции аспирантов, магистрантов и студентов (2026)
|
