Details

Title Методы глубокого обучения с частичным привлечением учителя для сегментации медицинских изображений: выпускная квалификационная работа магистра: направление 01.04.02 «Прикладная математика и информатика» ; образовательная программа 01.04.02_02 «Математические методы анализа и визуализации данных»
Creators Коц Михаил Викторович
Scientific adviser Уткин Лев Владимирович
Other creators Арефьева Людмила Анатольевна ; Чуканов Вячеслав Сергеевич
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Imprint Санкт-Петербург, 2020
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects нейронные сети ; обработка медицинских изображений ; машинное обучение ; neural networks ; medical imaging ; machine learning
Document type Master graduation qualification work
File type PDF
Language Russian
Level of education Master
Speciality code (FGOS) 01.04.02
Speciality group (FGOS) 010000 - Математика и механика
Links Отзыв руководителя ; Рецензия ; Отчет о проверке на объем и корректность внешних заимствований
DOI 10.18720/SPBPU/3/2020/vr/vr20-2082
Rights Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key ru\spstu\vkr\8402
Record create date 7/31/2020

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Action 'Download' will be available if you login or access site from another network

Group Anonymous
Network Internet

В данной работе описан метод глубокого обучения с частичным привлечением учителя для сегментации медицинских изображений. Представлены результаты для синтетических данных и медицинских изображений, доказывающие его применимость для задачи сегментации изображений патологий.

This paper describes a semi-supervised learning approach based on convolutional neural networks for medical image segmentation. Presented results for both synthetic data and medical images which proves the applicability of the suggested method to the problem of pathology image segmentation.

Network User group Action
ILC SPbPU Local Network All
Read Print Download
Internet Authorized users SPbPU
Read Print Download
Internet Anonymous

Access count: 33 
Last 30 days: 1

Detailed usage statistics