Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/40229
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Гуральник Роман Игоревич | ru_RU |
dc.contributor.advisor | Guralnik Roman Igorevic | en_GB |
dc.contributor.author | Наджафи Ошнари Можтаба | ru_RU |
dc.contributor.author | Nadzafi Osnari Moztaba | en_GB |
dc.contributor.editor | Косовская Татьяна Матвеевна | ru_RU |
dc.contributor.editor | Kosovskaa Tatana Matveevna | en_GB |
dc.date.accessioned | 2023-04-06T21:50:10Z | - |
dc.date.available | 2023-04-06T21:50:10Z | - |
dc.date.issued | 2022 | |
dc.identifier.other | 069179 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/40229 | - |
dc.description.abstract | По мере распространения COVID-19 резко возросла озабоченность по поводу лечения этого заболевания и его влияния на будущее сообществ. Лучший способ предотвратить распространение болезни COVID-19 — быстро диагностировать пациентов и не допускать их контакта со здоровыми людьми. Компьютерные методы очень эффективны в поиске больных COVID-19 и ускоряют диагностику. Эти методы также широко используются для оценки состояния пациента, например, для оценки прогрессирования заболевания во времени и измерения скорости распространения вируса в легких. В этой статье представлен метод сегментации для сегментации инфицированных частей легкого при компьютерной томографии. Этот метод основан на алгоритмах Lazy-Snipping и Super-pixel. В результате сегментации производительность алгоритма представлена и сравнена с другими методами с использованием оценки Dice, которая составила 80%. | ru_RU |
dc.description.abstract | As the prevalence of COVID-19, concerns about the treatment of the disease and its impact on communities' future have increased sharply. The best way to prevent the spread of COVID-19 disease is to quickly diagnose patients and prevent them from coming into contact with healthy people. Computer methods are very effective in finding patients with COVID-19 and speed up the diagnosis. These methods are also widely used to assess a patient's condition, for example, to assess the disease's progression over time and to measure the rate of spread of the virus in the lungs. In this article, a segmentation method is introduced to segment the infected parts of the lung in CT scans. This method is based on Lazy-Snipping and Super-pixel algorithms. As a result of segmentation, the performance of algorithm is presented and compared with other methods using Dice score which was 80%. | en_GB |
dc.language.iso | ru | |
dc.subject | COVID-19 · CT scan · Computer Aided Detection (CAD) · Super-pixel algorithm · Lazy-Snipping algorithm. | ru_RU |
dc.subject | COVID-19 · CT scan · Computer Aided Detection (CAD) · Super-pixel algorithm · Lazy-Snipping algorithm. | en_GB |
dc.title | Semi-automatic segmentation of COVID-19 infection in lung CT scans | en_GB |
dc.title.alternative | Полуавтоматическая сегментация инфекции COVID-19 при компьютерной томографии легких | ru_RU |
Располагается в коллекциях: | DOCTORAL STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
____Mojtaba_najafi__RUSSIAN_.pdf | Article | 296,52 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_Modztaba.pdf | ReviewSV | 74,74 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.