Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/32557
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Елизарова Марина Владиславовна | ru_RU |
dc.contributor.advisor | Elizarova Marina Vladislavovna | en_GB |
dc.contributor.author | Петрова Олеся Геннадьевна | ru_RU |
dc.contributor.author | Petrova Olesa Gennadevna | en_GB |
dc.contributor.editor | Котина Елена Дмитриевна | ru_RU |
dc.contributor.editor | Kotina Elena Dmitrievna | en_GB |
dc.date.accessioned | 2021-08-07T09:11:59Z | - |
dc.date.available | 2021-08-07T09:11:59Z | - |
dc.date.issued | 2021 | |
dc.identifier.other | 079338 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/32557 | - |
dc.description.abstract | В данной работе рассматривается задача сегментации изображений позвоночника, полученных с помощью магнитно-резонансной томографии. В последнее время активно идет разработка и создание средств для автоматизации сегментации медицинских изображений, использование которых позволит ускорить процесс постановки диагноза, повысить его точность, а также обеспечить более раннюю диагностику. В работе представлен алгоритм сегментации изображений, включающий два этапа: предварительную обработку изображений и сегментацию с помощью сверточной нейронной сети. Рассматриваются несколько методов предварительной обработки, среди которых метод, основанный на матрице смежности уровней серого Харалика, фильтры Габора, геометрический алгоритм Кримминса и фильтр «нерезкое маскирование». Также рассмотрены и реализованы несколько архитектур сверточных нейронных сетей. Проведено сравнение точности для различных архитектур и методов предварительной обработки. | ru_RU |
dc.description.abstract | In this paper, we consider the problem of segmentation of images of the spine obtained by magnetic resonance imaging. Recently, there has been an active development and creation of tools for automating the segmentation of medical images, the use of which will speed up the process of diagnosis, increase its accuracy, and provide earlier diagnosis. The paper presents an image segmentation algorithm that includes two stages: image preprocessing and segmentation using a convolutional neural network. Several preprocessing methods are considered, including a method based on the gray Haralik level adjacency matrix, Gabor filters, the geometric Crimmins algorithm, and the unsharp masking. Several convolutional neural network architectures are also considered and implemented. The accuracy is compared for different architectures and preprocessing methods. | en_GB |
dc.language.iso | ru | |
dc.subject | Сегментация изображений | ru_RU |
dc.subject | магнитно-резонансная томография | ru_RU |
dc.subject | сверточные нейронные сети | ru_RU |
dc.subject | Image segmentation | en_GB |
dc.subject | magnetic resonance imaging | en_GB |
dc.subject | convolutional neural networks | en_GB |
dc.title | Segmentation of MRI images using neural networks | en_GB |
dc.title.alternative | Сегментация МРТ-изображений с использованием нейронных сетей | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
VKR_PetrovaOG.pdf | Article | 2 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_otzyv.pdf | ReviewSV | 487,54 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.