| DC Field | Value | Language |
|---|
| dc.contributor.author | Печёнов, М. С. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-07-16T06:42:56Z | - |
| dc.date.available | 2026-07-16T06:42:56Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Печёнов, М. С. Использование ИИ-ассистентов в системах жидкостной цитологии для сокращения времени чтения результатов = AI assistants in liquid-based cytology systems for reducing result reading time / М. С. Печёнов // 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. 202–204. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/64667 | - |
| dc.description.abstract | Рассмотрены подходы к применению ИИ-ассистентов в жидкостной цитологии
(LBC) для повышения производительности лабораторного скрининга. Выполнен
сравнительный анализ полуавтоматических имиджинг-систем и цифровой цитологии на
основе полноформатного сканирования препарата (WSI) и методов машинного обучения.
Показано, что ИИ-подсказки позволяют сократить время чтения препарата без ухудшения
ключевых показателей качества при соблюдении ограничений по нагрузке и протоколов
валидации. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | жидкостная цитология | en_US |
| dc.subject | скрининг | en_US |
| dc.subject | искусственный интеллект | en_US |
| dc.subject | цифровая цитология | en_US |
| dc.subject | время чтения | en_US |
| dc.title | Использование ИИ-ассистентов в системах жидкостной цитологии для сокращения времени чтения результатов | en_US |
| dc.title.alternative | AI assistants in liquid-based cytology systems for reducing result reading time | en_US |
| dc.type | Article | en_US |
| local.description.annotation | This paper reviews AI-assisted approaches in liquid-based cytology (LBC) aimed at
improving screening productivity. Two solution classes are compared: semi-automated imaging
systems and digital cytology based on whole-slide imaging with machine learning assistance.
Published evidence demonstrates a substantial reduction in slide review time while maintaining
quality metrics, provided that workload limits and laboratory validation protocols are followed. | en_US |
| Appears in Collections: | Электронные системы и технологии : материалы 62-й конференции аспирантов, магистрантов и студентов (2026)
|
