Segmentacja obrazów medycznych przy ograniczonej liczbie adnotacji - Publikacja - MOST Wiedzy

Wyszukiwarka

Segmentacja obrazów medycznych przy ograniczonej liczbie adnotacji

Abstrakt

W dziedzinie badań klinicznych i opieki zdrowotnej tradycyjne podejście w uczeniu głębokim polegające na wykorzystaniu dużych zbiorów danych jest trudne w realizacji. Przyczyną takiego stanu rzeczy są koszty znakowania obrazów medycznych, zwłaszcza w przypadku segmentacji obrazów medycznych. Jest to żmudna operacja, która zazwyczaj wymaga intensywnego znakowania pikseli wykonanego przez ekspertów – lekarzy. W tym rozdziale zaprezentowano podejście bazujące na wykorzystaniu metod uczenia maszynowego w semantycznej segmentacji obrazów medycznych. Celem badań była taka realizacja segmentacji, aby zminimalizować konieczną liczbę pełnych adnotacji na wybranym zbiorze danych. W tym celu zaproponowano użycie sieci nnU-Net. Skupiono się na zbadaniu, czy uczenie modelu z wykorzystaniem ograniczonej liczby adnotacji jest możliwe.

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Publikacja monograficzna
Typ:
rozdział, artykuł w książce - dziele zbiorowym /podręczniku o zasięgu krajowym
Język:
polski
Rok wydania:
2022
Opis bibliograficzny:
Gruzdzis T., Wicki K., Gładkowska P., Boiński T.: Segmentacja obrazów medycznych przy ograniczonej liczbie adnotacji// Algorytmy i zastosowania inteligencji obliczeniowej/ : Politechnika Gdańska, 2022, s.77-89
Weryfikacja:
Politechnika Gdańska

wyświetlono 34 razy

Publikacje, które mogą cię zainteresować

Meta Tagi