Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/32484
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Котина Елена Дмитриевна | ru_RU |
dc.contributor.advisor | Kotina Elena Dmitrievna | en_GB |
dc.contributor.author | Сокол Милена Денисовна | ru_RU |
dc.contributor.author | Sokol Milena Denisovna | en_GB |
dc.contributor.editor | Гришкин Валерий Михайлович | ru_RU |
dc.contributor.editor | Griskin Valerij Mihajlovic | en_GB |
dc.date.accessioned | 2021-08-07T09:11:47Z | - |
dc.date.available | 2021-08-07T09:11:47Z | - |
dc.date.issued | 2021 | |
dc.identifier.other | 063768 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/32484 | - |
dc.description.abstract | Самый распространенный тип рака молочной железы — инвазивный рак молочной железы без особого типа. Существуют работы, в которых обученные модели нейронной сети способны диагностировать рак по гистологическим изображениям. Задача, рассматриваемая в этой статье — диагностика инвазивного рака молочной железы без особого типа по гистологическим изображениям. Для решения этой задачи были разработаны две архитектуры сверточных нейронных сетей и обучены путем кросс-валидации. Обученные модели не смогут распознать рак другого типа, но они могут уточнить диагноз после предварительной диагностики врачей или других компьютерных систем диагностики. По результатам эксперимента сделан вывод, что реализованные сверточные нейронные сети способны успешно распознавать инвазивную карциному молочной железы без особого типа. | ru_RU |
dc.description.abstract | The most common type of breast cancer is invasive breast carcinoma of no special type. There are works in which trained neural network models are able to diagnose cancer from histological images. The task considered in this article is the diagnosis of invasive breast cancer of no special type from histological images. To solve the problem, two convolutional neural network architectures were developed and trained by cross-validation. Trained models are not able to recognize another type of cancer, but they are able to clarify the diagnosis after preliminary diagnosis by doctors or others computer diagnostic systems. According to the results of the experiment, it was concluded that the implemented convolutional neural networks are able to successfully recognize invasive breast carcinoma without a special type. | en_GB |
dc.language.iso | ru | |
dc.subject | машинное обучение | ru_RU |
dc.subject | нейронные сети | ru_RU |
dc.subject | сверточные нейронные сети | ru_RU |
dc.subject | классификация | ru_RU |
dc.subject | machine learning | en_GB |
dc.subject | neural network | en_GB |
dc.subject | convolutional neural network | en_GB |
dc.subject | classification | en_GB |
dc.title | Breast cancer detection using neural networks | en_GB |
dc.title.alternative | Распознавание рака груди нейросетевыми методами | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Raspoznavanie_raka_grudi_nejrosetevymi_metodami.pdf | Article | 2,37 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_Sokol.pdf | ReviewSV | 128,69 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.