Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/41916
Title: Классификация лейкоцитов с использованием сверточных нейронных сетей для изображений с низким разрешением
Other Titles: Classification of leukocytes using convolution neural networks for low resolution images
Authors: Рацкевич, Д. Г.
Дик, С. К.
Keywords: материалы конференций;классификация лейкоцитов;свёрточные нейронные сети;метод опорных векторов;WBC classification;convolutional neural network;support vector machine
Issue Date: 2020
Publisher: БГУИР
Citation: Рацкевич, Д. Г. Классификация лейкоцитов с использованием сверточных нейронных сетей для изображений с низким разрешением = Classification of leukocytes using convolution neural networks for low resolution images / Д. Г. Рацкевич, С. К. Дик // Медэлектроника – 2020. Средства медицинской электроники и новые медицинские технологии : сборник научных статей XII Международной научно-технической конференции, Минск, 10 декабря 2020 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2020. – С. 50–58.
Abstract: Традиционные методы классификации часто не могут обрабатывать исходные изображения непосредственно. В задачах классификации предпочтительнее использовать автоматические методы, которые могут извлекать функции непосредственно из исходных данных. Эти обучаемые автоматические системы решают проблемы классификации без предварительных знаний данных. В данной работе были рассмотрены три классификатора: метод опорных векторов, метод опорных векторов с уменьшением размерности и свёрточная нейронная сеть. Предложенные классификаторы сравнивались с помощью экспериментов, проведенных на цитологических изображениях низкого разрешения мазков нормальной крови. Наилучшие результаты были получены с помощью свёрточной нейронной сети со скоростью распознавания, либо более высокими, либо сопоставимыми с классификаторами на основе метода опорных векторов для всех пяти типов лейкоцитов.
Alternative abstract: Traditional classification methods often cannot process images directly. In classification tasks, it is preferable to use automatic methods that can extract functions directly from raw data. These trainable automatic systems solve classification problems without prior knowledge of the data. Three classifiers have been considered in this paper: Support Vector Machine with Principal Component Analysis, Support Vector Machin without dimensional reduction, and the Convolutional Neural Network. The proposed classifiers were compared using experiments carried out on low resolution cytological images of normal blood samples. The best results were obtained using a convolution neural network with recognition rates either higher or comparable with classifiers based on the method of reference vectors for all five types of leukocytes.
URI: https://libeldoc.bsuir.by/handle/123456789/41916
Appears in Collections:Медэлектроника - 2020

Files in This Item:
File Description SizeFormat 
Ratskevich_Klassifikatsiya.pdf1.27 MBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.