Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://elar.urfu.ru/handle/10995/140341
Название: Многоклассовая сегментация снимков рубцовой и влажной формы макулодистрофии, полученных с помощью оптической когерентной томографии : магистерская диссертация
Другие названия: Multiclass segmentation of images of cicatricial and wet forms of macular degeneration obtained using optical coherence tomography
Авторы: Краев, Д. В.
Kraev, D. V.
Научный руководитель: Борисов, В. И.
Borisov, V. I.
Дата публикации: 2024
Издатель: б. и.
Библиографическое описание: Краев Д. В. Многоклассовая сегментация снимков рубцовой и влажной формы макулодистрофии, полученных с помощью оптической когерентной томографии : магистерская диссертация / Д. В. Краев ; Уральский федеральный университет имени первого Президента России Б. Н. Ельцина, Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления. — Екатеринбург, 2024. — 51 с. — Библиогр.: с. 46-51 (46 назв.).
Аннотация: The object of development is the code for working with the architecture of the Mask R-CNN convolutional neural network for segmentation of anomalies caused by cicatricial and wet forms of age-related macular degeneration in optical coherence tomography images. The purpose of the work is to write code for segmentation of anomalies in optical coherence tomography images. The paper considers the signs that determine the form of the disease that can be detected in an optical coherence tomography image, the stages of development of the architectures of neural networks of the R-CNN family, the OCTDL dataset containing optical coherence tomography images for several types of retinal diseases. An algorithm for multi-class segmentation of retinal anomalies caused by cicatricial and wet forms of age-related macular degeneration is written in the Python programming language.
Объектом разработки является код для работы с архитектурой свёрточной нейронной сети Mask R-CNN для сегментации аномалий, вызванных рубцовой и влажной формами возрастной макулярной дегенерации на снимках оптической когерентной томографии. Цель работы – написание кода для сегментации аномалий на снимках оптической когерентной томографии. В работе рассмотрены признаки, определяющие форму заболевания, которые можно обнаружить на снимке оптической когерентной томографии, этапы развития архитектур нейронных сетей семейства R-CNN, набор данных OCTDL, содержащий снимки оптической когерентной томографии по нескольким типам заболеваний сетчатки глаза. На языке программирования Python написан алгоритм для многоклассовой сегментации аномалий сетчатки, вызванных рубцовой и влажной формами возрастной макулодистрофии.
Ключевые слова: MASTER'S THESIS
CONVOLUTIONAL NEURAL NETWORKS
NEURAL NETWORKS IN PYTHON
OPTICAL COHERENCE TOMOGRAPHY
AGE-RELATED MACULAR DEGENERATION
CLASSIFICATION
SEGMENTATION
МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ
СВЁРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ
НЕЙРОННЫЕ СЕТИ НА PYTHON
ОПТИЧЕСКАЯ КОГЕРЕНТНАЯ ТОМОГРАФИЯ
ВОЗРАСТНАЯ МАКУЛЯРНАЯ ДЕГЕНЕРАЦИЯ
КЛАССИФИКАЦИЯ
СЕГМЕНТАЦИЯ
URI: http://elar.urfu.ru/handle/10995/140341
Условия доступа: Предоставлено автором на условиях простой неисключительной лицензии
Текст лицензии: http://elar.urfu.ru/handle/10995/31613
Идентификатор PURE: 67532915
Располагается в коллекциях:Магистерские диссертации

Файлы этого ресурса:
Файл Описание РазмерФормат 
m_th_d.v.kraev_2024.pdf1,48 MBAdobe PDFПросмотреть/Открыть


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