Свёрточные сети для сегментации изображений крупных вен
В статье представлены результаты работы по сегментации изображений отдельных снимков магнитно-резонансной томографии забрюшинного пространства. Рассматриваются вопросы обнаружения и сегментации объектов магистральных вен забрюшинного пространства на основе свёрточной архитектуры нейронной сети для с...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
KamGU by Vitus Bering
2020-06-01
|
| Series: | Vestnik KRAUNC: Fiziko-Matematičeskie Nauki |
| Subjects: | |
| Online Access: | http://krasec.ru/egorov312/ |
| _version_ | 1818060030409179136 |
|---|---|
| author | Егоров, А.А. Лысенкова, С.А. Мазайшвили, К.В. |
| author_facet | Егоров, А.А. Лысенкова, С.А. Мазайшвили, К.В. |
| author_sort | Егоров, А.А. |
| collection | DOAJ |
| description | В статье представлены результаты работы по сегментации изображений отдельных снимков магнитно-резонансной томографии забрюшинного пространства. Рассматриваются вопросы обнаружения и сегментации объектов магистральных вен забрюшинного пространства на основе свёрточной архитектуры нейронной сети для семантической пиксельной сегментации. Предлагается автоматический, точный и надежный метод с использованием свёрточной нейронной сети U-Net для извлечения сосудов вен из МРТ изображений. Глубокое обучение сети с большим рецептивным полем U-Net позволяет достичь значительных результатов даже при наличие не качественных исходных данных, на малых обучающих выборках. Стратегия расширения данных представляется эффективным способом уменьшения степени переобучения в распознавании медицинских образов — вен. |
| first_indexed | 2024-12-10T13:25:56Z |
| format | Article |
| id | doaj.art-a35314a33c0b441ca5afcaef720a4ab9 |
| institution | Directory Open Access Journal |
| issn | 2079-6641 2079-665X |
| language | English |
| last_indexed | 2024-12-10T13:25:56Z |
| publishDate | 2020-06-01 |
| publisher | KamGU by Vitus Bering |
| record_format | Article |
| series | Vestnik KRAUNC: Fiziko-Matematičeskie Nauki |
| spelling | doaj.art-a35314a33c0b441ca5afcaef720a4ab92022-12-22T01:47:11ZengKamGU by Vitus BeringVestnik KRAUNC: Fiziko-Matematičeskie Nauki2079-66412079-665X2020-06-012020211712810.26117/2079-6641-2020-31-2-117-12810.26117/2079-6641-2020-31-2-117-128Свёрточные сети для сегментации изображений крупных венЕгоров, А.А.0Лысенкова, С.А.1Мазайшвили, К.В.2Бюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры Сургутский государственный университет; Сургутский филиал Федеральное государственное учреждение Федеральный научный центр Научно-исследовательский институт системных исследований Российской академии наукБюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры Сургутский государственный университетБюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры Сургутский государственный университетВ статье представлены результаты работы по сегментации изображений отдельных снимков магнитно-резонансной томографии забрюшинного пространства. Рассматриваются вопросы обнаружения и сегментации объектов магистральных вен забрюшинного пространства на основе свёрточной архитектуры нейронной сети для семантической пиксельной сегментации. Предлагается автоматический, точный и надежный метод с использованием свёрточной нейронной сети U-Net для извлечения сосудов вен из МРТ изображений. Глубокое обучение сети с большим рецептивным полем U-Net позволяет достичь значительных результатов даже при наличие не качественных исходных данных, на малых обучающих выборках. Стратегия расширения данных представляется эффективным способом уменьшения степени переобучения в распознавании медицинских образов — вен.http://krasec.ru/egorov312/свёрточная архитектуранейронные сетисегментация изображениймедицинские данныеconvolutional architectureneural networksimage segmentationmedical data |
| spellingShingle | Егоров, А.А. Лысенкова, С.А. Мазайшвили, К.В. Свёрточные сети для сегментации изображений крупных вен Vestnik KRAUNC: Fiziko-Matematičeskie Nauki свёрточная архитектура нейронные сети сегментация изображений медицинские данные convolutional architecture neural networks image segmentation medical data |
| title | Свёрточные сети для сегментации изображений крупных вен |
| title_full | Свёрточные сети для сегментации изображений крупных вен |
| title_fullStr | Свёрточные сети для сегментации изображений крупных вен |
| title_full_unstemmed | Свёрточные сети для сегментации изображений крупных вен |
| title_short | Свёрточные сети для сегментации изображений крупных вен |
| title_sort | свёрточные сети для сегментации изображений крупных вен |
| topic | свёрточная архитектура нейронные сети сегментация изображений медицинские данные convolutional architecture neural networks image segmentation medical data |
| url | http://krasec.ru/egorov312/ |
| work_keys_str_mv | AT egorovaa svërtočnyesetidlâsegmentaciiizobraženijkrupnyhven AT lysenkovasa svërtočnyesetidlâsegmentaciiizobraženijkrupnyhven AT mazajšvilikv svërtočnyesetidlâsegmentaciiizobraženijkrupnyhven |