Electronic Documents Search

Documents found: 3

1

Integrating quantitative and convolutional features to enhance the efficiency of pathology classification in CT imaging // Информатика, телекоммуникации и управление. – 2023. – Vol. 16, № 4. — С. 60-69

Creators	Shariaty F.; Caiqin H.; Pavlov V. A.; Duan L.; Zavjalov S. V.; Pervunina P. T.; Ying W.
Imprint	2023
Collection	Общая коллекция
Subjects	Вычислительная техника; Распознавание и преобразование образов; Здравоохранение. Медицинские науки; Медицинская радиология и рентгенология; computed tomography; computed tomography images; classification of pathologies in images; convolutional signs; radiomics; machine learning; genetic data; компьютерная томография; изображения компьютерной томографии; классификации патологий на изображениях; сверточные признаки; радиомика; машинное обучение; генетические данные
UDC	004.93; 615.849
LBC	32.973-018.2; 53.6
Document type	Article, report
File type	PDF
Language	English
DOI	10.18721/JCSTCS.16406
Rights	Свободный доступ из сети Интернет (чтение, печать, копирование)

pdf, 0.4 Mb

Comparison and selection of radiomic and deep convolutional features for improving the accuracy of CT-image texture classification // Информатика, телекоммуникации и управление. – 2024. – Т. 17, № 2. — С. 62-70

Creators	Shariaty F.; Pavlov V. A.; Surakov M. U.
Imprint	2024
Collection	Общая коллекция
Subjects	Вычислительная техника; Программирование ЭВМ. Компьютерные программы. Программотехника; Здравоохранение. Медицинские науки; Пульмонология; CT images; computed tomography; ctextures of CT images; radiological signs; deep convolutional signs (medicine); CT diagnostics; lung cancer diagnosis; КТ-изображения; компьютерная томография; текстуры КТ-изображений; радиомические признаки; глубокие сверточные признаки (медицина); КТ-диагностика; диагностика рака легких
UDC	004.41/42; 616.24/25
LBC	32.973-018; 54.12
Document type	Article, report
File type	PDF
Language	English
DOI	10.18721/JCSTCS.17206
Rights	Свободный доступ из сети Интернет (чтение, печать, копирование)

pdf, 0.5 Mb

Inf-Seg: Automatic segmentation and quantification method for CT-based COVID-19 diagnosis // Информатика, телекоммуникации и управление. – 2022. – Vol. 15, № 3. — С. 7-21

Creators	Shariaty F.; Zavjalov S. V.; Pavlov V. А.; Pervunina T. M.; Orooji M.
Imprint	2022
Collection	Общая коллекция
Subjects	Вычислительная техника; Распознавание и преобразование образов; Здравоохранение. Медицинские науки; Пульмонология; computed tomography; diagnostics COVID-19; automatic segmentation method; quantification; artificial intelligence; компьютерная томография; COVID-19; диагностика COVID-19; INF-SEG; автоматический метод сегментации; количественное определение; искусственный интеллект
UDC	004.93; 616.24/25
LBC	32.973-018.2; 54.12
Document type	Article, report
File type	PDF
Language	English
DOI	10.18721/JCSTCS.15301
Rights	Свободный доступ из сети Интернет (чтение, печать, копирование)

pdf, 1.1 Mb

1