Table | Card | RUSMARC | |
Allowed Actions: –
Action 'Read' will be available if you login or access site from another network
Group: Anonymous Network: Internet |
Annotation
Тема выпускной квалификационной работы: «Разработка алгоритма определения фракции выброса левого желудочка сердца с применением методов глубокого обучения». В работе предложен алгоритм по оценке фракции выброса левого желудочка по видео с аппарата УЗИ с применением глубокого обучения. Даны общие принципы работы искусственных нейронных сетей. Проведен анализ возможных путей автоматизации данного процесса. Представлен свой алгоритм для определения фракции выброса левого желудочка. Разработана программная реализация предложенного алгоритма на языке программирования Python.
The subject of the graduate qualification work is «Development of an algorithm for the ejection fraction estimation of the left ventricle of the heart using deep learning methods». The paper proposes an algorithm for estimating the ejection fraction of the left ventricle from a video from an ultrasound scanner using deep learning. The general principles of artificial neural networks are given. An analysis of possible ways of automating this process is carried out. An algorithm for determining the left ventricular ejection fraction is presented. A software implementation of the proposed algorithm in the Python programming language has been developed.
Document access rights
Network | User group | Action | ||||
---|---|---|---|---|---|---|
ILC SPbPU Local Network | All |
![]() |
||||
Internet | Authorized users SPbPU |
![]() |
||||
![]() |
Internet | Anonymous |
Table of Contents
- Обозначения и сокращения
- Введение
- Глава 1. Анализ подходов к определению фракции выброса левого желудочка
- 1.1. Физические основы ультразвукового исследования
- 1.2. Использование УЗИ в критических ситуациях
- 1.3. Методика ручного определения фракции выброса левого желудочка при помощи аппарата УЗИ
- 1.4. Обзор существующих алгоритмов по автоматическому определению фракции выброса
- 1.5. Выводы по главе 1
- Глава 2. Применение искусственных нейронных сетей для анализа медицинских изображений
- 2.1. Определение искусственной нейронной сети
- 2.2. Обучение ИНС по прецедентам
- 2.3. Основные принципы работы глубоких нейронных сетей на примере задач сегментации и классификации изображений
- 2.3.1. Основы глубокого обучения и свёрточных нейронных сетей
- 2.3.2. Задача классификации и семантической сегментации изображений
- 2.4. Применение искусственных нейронных сетей в медицине
- 2.5. Выводы по главе 2
- Глава 3. Разработка алгоритма определения фракции выброса по видео с аппарата УЗИ
- 3.1. Предлагаемый алгоритм определения фракции выброса
- 3.2. Описание используемых архитектур искусственных нейронных сетей
- 3.3. Описание наборов данных для обучения искусственных нейронных сетей
- 3.4. Программная реализация предлагаемого алгоритма
- 3.5. Выводы по главе 3
- Глава 4. Экспериментальное исследование точности работы предлагаемого алгоритма
- 4.1. Оценка точности ИНС для классификации на тестовом наборе данных
- 4.2. Оценка точности ИНС для семантической сегментации на тестовом наборе данных
- 4.3. Оценка точности работы вычислительного блока
- 4.4. Оценка точности определения фракции выброса с помощью предложенного алгоритма
- 4.5. Сравнение полученных результатов вычисления фракции выброса с аналогами
- 4.6. Выводы по главе 4
- Заключение
- Выводы
- Список использованных источников
Usage statistics
|
Access count: 0
Last 30 days: 0 Detailed usage statistics |