| Title: | Компьютерное зрение и глубокое обучение в диагностике кожных заболеваний с использованием лампы Вуда |
| Other Titles: | Computer vision and deep learning in diagnostics of skin diseases using the Wood lamp |
| Authors: | Лазарева, Ю. А. |
| Keywords: | материалы конференций;лампа Вуда;кожные заболевания;дерматологические патологии |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Лазарева, Ю. А. Компьютерное зрение и глубокое обучение в диагностике кожных заболеваний с использованием лампы Вуда = Computer vision and deep learning in diagnostics of skin diseases using the Wood lamp / Ю. А. Лазарева // Информационные системы и технологии : сборник статей 62-й научной конференции аспирантов, магистрантов и студентов, Минск, 13–17 апреля 2026 г. / Институт информационных технологий Белорусского государственного университета информатики и радиоэлектроники ; редкол.: А. И. Парамонов [и др.]. – Минск, 2026. – С. 60–64. |
| Abstract: | В статье рассматривается применение методов компьютерного зрения и глубокого обучения для анализа
изображений кожных покровов, полученных при освещении лампой Вуда. Предложен подход, использующий библиотеку OpenCV
для предварительной обработки и сегментации изображений, сверточнуюнейросеть MobileNetV2 для классификации цвета и
текстуры патологических участков, а также фреймворкTensorFlow для обучения модели. Разрабатываемая система направлена
на автоматизацию выявления дерматологических патологий по флуоресцентным признакам, что позволяет повысить точность и
объективность диагностики. |
| Alternative abstract: | The article discusses the application of computer vision and deep learning methods for analyzing skin images obtained using
a Wood lamp. An approach is proposed that uses the OpenCV library for image preprocessing and segmentation, the MobileNetV2
convolutional neural network for classifying the color and texture of pathological areas, and the TensorFlow framework for training the
model. The developed system aims to automate the detection of dermatological pathologies based on fluorescent features, which can
improve the accuracy and objectivity of diagnosis. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/65538 |
| Appears in Collections: | Информационные системы и технологии : 62-я научная конференция аспирантов, магистрантов и студентов (2026)
|
