Розробка програмного забезпечення сегментації біомедичних зображень на основі згорткової нейронної мережі

Столпаков, Ілля Євгенійович

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Добровська, Людмила Миколаївна	-
dc.contributor.author	Столпаков, Ілля Євгенійович	-
dc.date.accessioned	2019-08-28T17:14:45Z	-
dc.date.available	2019-08-28T17:14:45Z	-
dc.date.issued	2019-06	-
dc.identifier.citation	Столпаков, І. Є. Розробка програмного забезпечення сегментації біомедичних зображень на основі згорткової нейронної мережі : дипломна робота ... бакалавра : 6.050101 Комп’ютерні науки / Столпаков Ілля Євгенійович. – Київ, 2019. – 83 с.	uk
dc.identifier.uri	https://ela.kpi.ua/handle/123456789/28980	-
dc.language.iso	uk	uk
dc.subject	сегментація	uk
dc.subject	класифікація	uk
dc.subject	нейронна мережа (нм)	uk
dc.subject	segmentation	uk
dc.subject	classification	uk
dc.subject	neural network (nn)	uk
dc.title	Розробка програмного забезпечення сегментації біомедичних зображень на основі згорткової нейронної мережі	uk
dc.type	Bachelor Thesis	uk
dc.format.page	83 с.	uk
dc.publisher.place	Київ	uk
dc.description.abstractuk	Обсяг пояснювальної записки становить 82 сторінки, 47 ілюстрацій, 18 таблиць, 6 формул та 50 джерел за переліком посилань. Метою дослідження є розробка системи сегментації біомедичних зображень на основі згорткової нейронної мережі. Завдання: 1. Створення математичних моделей для сегментації пухлин. 2. Створення математичних моделей різних конфігурацій для отриманні більш чіткої сегментації. 3. Проектування програмного додатку на основі математичних моделей. 4. Реалізація моделей та інтегрування їх до програмного забезпечення Розробка була здійснена засобами мови програмування Python в середовищі розробки PyCharm IDE 2019 та за допомогою програмних бібліотек NumPy, Pandas, Tensorflow, Keras, Flask.	uk
dc.description.abstracten	This explanatory note contains a total of 82 pages, 47 illustrations, 18 tables, 6 formulas and 50 sources for references. The purpose of research is to develop a system for segmentation biomedical images based on a convolutional neural network. Tasks: 1. Creation of mathematical models for tumor segmentation. 2. Creation of mathematical models of different configurations for more accurate segmentation. 3. Designing a software application based on mathematical models 4. Implement models and integrate them to the software The development was made by tools of the Python programming language in the development environment of PyCharm IDE 2019 and using the software libraries NumPy, Pandas, Tensorflow, Keras, Flask.	uk
dc.publisher	КПІ ім. Ігоря Сікорського	uk
Appears in Collections:	Бакалаврські роботи Бакалаврські роботи (БМК)