DC Field | Value | Language |
dc.contributor.author | Kurbanov, S. K. | - |
dc.contributor.author | Beknazarova, S. S. | - |
dc.date.accessioned | 2020-06-03T07:20:16Z | - |
dc.date.available | 2020-06-03T07:20:16Z | - |
dc.date.issued | 2020 | - |
dc.identifier.citation | Kurbanov, S. K. Deep learning approaches to biomedical image segmentation / S. K. Kurbanov, S. S. Beknazarova // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня: сб. материалов VI Междунар. науч.-практ. конф., Минск, 20-21 мая 2020 года: в 3 ч. Ч. 1 / редкол. : В. А. Богуш [и др.]. – Минск : Бестпринт, 2020. – С. 118–122. | ru_RU |
dc.identifier.isbn | 978-985-90533-7-5 | - |
dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/39022 | - |
dc.description.abstract | The review considers automatic image segmentation using deep learning methods in the field of medical imaging. Current developments in the field of machine learning, especially those related to deep learning, are useful for identifying and quantifying models in medical images. The main point of these achievements is the significant ability of deep learning approaches to obtain hierarchical representations of characteristics directly from images, which, in turn, eliminates the need for manually created functions. Deep learning is rapidly transforming into state-of-the-art medical imaging technology and has led to improved productivity in various clinical applications. This review discusses the basics of deep learning methods, as well as an overview of successful implementations that include image segmentation for various medical applications. Finally, some research questions are highlighted, and the need for further improvements is indicated in the future. | ru_RU |
dc.language.iso | en | ru_RU |
dc.publisher | Беспринт | ru_RU |
dc.subject | материалы конференций | ru_RU |
dc.subject | machine learning | ru_RU |
dc.subject | deep learning-based classifiers | ru_RU |
dc.subject | convolutional neural networks | ru_RU |
dc.subject | машинное обучение | - |
dc.subject | классификаторы на основе глубокого обучения | - |
dc.subject | сверточные нейронные сети | - |
dc.title | Deep learning approaches to biomedical image segmentation | ru_RU |
dc.title.alternative | Применение методологии Deep learning в биомедицинской сегментации изображения | - |
dc.type | Статья | ru_RU |
local.description.annotation | В статье проводится обзор автоматической сегментации изображений с использованием методов глубокого обучения в области медицинской визуализации. Современные разработки в области машинного обучения, особенно связанные с глубоким обучением, полезны для идентификации и количественной оценки моделей в медицинских изображениях. Главным моментом этих достижений является значительная способность подходов обучения получать иерархические представления характеристик непосредственно из изображений, что, в свою очередь, устраняет необходимость создания особых функций. Обучение быстро превращается в современную технологию медицинской визуализации и привело к повышению производительности в различных клинических приложениях. В этом обзоре рассматриваются основы методов обучения, а также обзор успешных реализаций, включающих сегментацию изображений для различных медицинских приложений. К тому же, освещаются некоторые исследовательские вопросы, указывается на необходимость дальнейших улучшений в будущем. | - |
Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : материалы конференции (2020)
|