Класифікація гістологічних та цитологічних зображень на основі згорткових нейронних мереж

Проведено аналіз цитологічних та гістологічних зображень передракових станів молочної залози. Проаналізовано основні компоненти та моделі ЗНМ для класифікації зображень. У даній роботі розроблено модель та структуру згорткової нейронної мережі для класифікації гістологічних та цитологічних зображень...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Штучний інтелект
Datum:2017
ISSN:1561-5359
Hauptverfasser: Березький, О.М., Піцун, О.Й., Боднар, А.Р., Долинюк, Т.М.
Format: Artikel
Sprache:Ukrainisch
Veröffentlicht: Інститут проблем штучного інтелекту МОН України та НАН України 2017
Schlagworte:
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/132098
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:Класифікація гістологічних та цитологічних зображень на основі згорткових нейронних мереж / О.М. Березький, О.Й. Піцун, А.Р. Боднар, Т.М. Долинюк // Штучний інтелект. — 2017. — № 1. — С. 29-37. — Бібліогр.: 13 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Beschreibung
Zusammenfassung:Проведено аналіз цитологічних та гістологічних зображень передракових станів молочної залози. Проаналізовано основні компоненти та моделі ЗНМ для класифікації зображень. У даній роботі розроблено модель та структуру згорткової нейронної мережі для класифікації гістологічних та цитологічних зображень. Проведено порівняльний аналіз з існуючими алгоритмами машинного навчання: машиною опорних векторів, методом k – найближчих сусідів, методом k – середніх. Analysis of cytological and histological images of breast cancer precursors is conducted. The main components and models of CNM for the classification of images are analyzed. The model and structure of the convolutional neural network for the classification of histological and cytological images are developed in this paper. The comparative analysis with the existing algorithms of machine learning is conducted: the machine of the reference vectors, the method k - the nearest neighbors, the k - medium method.
ISSN:1561-5359