Сегментація медичних зображень на основі використання гібридних методів напівконтрольованого навчання
Вантажиться...
Дата
2024
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація: 98 с., 9 рис., 4 табл., 17 посилань, додаток.
Назва дослідження: «Сегментація медичних зображень на основі
використання гібридних методів напівконтрольованого навчання»
Об’єкт дослідження: медичні зображення та їх сегментація за допомогою
гібридних методів напівконтрольованого навчання.
Предмет дослідження: алгоритми навчання та архітектури моделей
сегментації медичних зображень на основі гібридних методів
напівконтрольованого навчання.
Мета роботи: розробка та дослідження гібридних методів
напівконтрольованого навчання для сегментації медичних зображень з метою
підвищення точності, ефективності та адаптивності сегментації при обмеженій
кількості розмічених даних.
Наукова новизна: запропоновано новий метод навчання моделі
сегментації на основі гібрідного методу напівконтрольованого навчання.
Цю роботу присвячено дослідженню та розробці нового метода навчання
моделей семантичної сегментації послідовностей медичних зображень. Сам
метод базується на основі двох гібридних методів напівконтрольованого
навчання – co-learning та автоенкодер. Описаний новітній підхід відкриває нові
перспективи для схожих задач та вирішує важливу проблему сегментації
медичних зображень.
Опис
Ключові слова
segmentation, medical images, cnn, rnn, semi-supervised learning
Бібліографічний опис
Шеруда, А. В. Сегментація медичних зображень на основі використання гібридних методів напівконтрольованого навчання : магістерська дис. : 122 Комп'ютерні науки / Шеруда Андрій Володимирович. - Київ, 2024. - 98 с.