Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://elar.urfu.ru/handle/10995/111654
Название: X-ray Image Segmentation with the Use of Machine Learning Algorithms
Авторы: Artemyev, M. S.
Serazetdinov, A. R.
Smirnov, A. A.
Дата публикации: 2020
Издатель: American Institute of Physics Inc.
AIP Publishing
Библиографическое описание: Artemyev M. S. X-ray Image Segmentation with the Use of Machine Learning Algorithms / M. S. Artemyev, A. R. Serazetdinov, A. A. Smirnov // AIP Conference Proceedings. — 2020. — Vol. 2313. — 080006.
Аннотация: Brain tumor images segmentation plays a crucial role in the auxiliary diagnosis of disease, treatment planning and surgical navigation. In order to accurately segment brain tumor images, this paper proposes an automatic brain tumor Magnetic Resonance Imaging (MRI) image segmentation algorithm based on the U-net model. The neuron network based approached was closely analyzed in comparison with standard segmentation techniques (detection by threshold, K-means clustering, histogram-based approach and edge detection). The algorithm is validated and evaluated on the Jun Cheng dataset. The experimental results show that the proposed algorithm has strong competitiveness compared with the existing brain tumor MRI image segmentation algorithm. © 2020 American Institute of Physics Inc.. All rights reserved.
URI: http://elar.urfu.ru/handle/10995/111654
Условия доступа: info:eu-repo/semantics/openAccess
Конференция/семинар: 7th International Young Researchers'' Conference on Physics, Technology, Innovations, PTI 2020
Дата конференции/семинара: 18 May 2020 through 22 May 2020
Идентификатор SCOPUS: 85097996360
Идентификатор WOS: 000679348500069
Идентификатор PURE: 20414383
ISSN: 0094-243X
ISBN: 9780735440531
DOI: 10.1063/5.0032275
Располагается в коллекциях:Научные публикации ученых УрФУ, проиндексированные в SCOPUS и WoS CC

Файлы этого ресурса:
Файл Описание РазмерФормат 
2-s2.0-85097996360.pdf1,09 MBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.