Please use this identifier to cite or link to this item: http://elar.urfu.ru/handle/10995/98796
Title: Сегментация и типирование тучных клеток в данных гистологии методами глубокого обучения
Other Titles: SEGMENTATION AND CLASSIFICATION OF MAST CELLS AT HISTOLOGICAL IMAGES USING DEEP LEARNING
Authors: Каримов, А. Ф.
Власова, А.
Манбатчурина, Р. Р.
Мишин, А. Р.
Симонова, К. А.
Храмцова, Ю. С.
Ушенин, К. С.
Issue Date: 2019
Publisher: ООО «Издательство учебно-методический центр УПИ»
Citation: Сегментация и типирование тучных клеток в данных гистологии методами глубокого обучения / А. Ф. Каримов, А. Власова, Р. Р. Манбатчурина, А. Р. Мишин, К. А. Симонова, Ю. С. Храмцова, К. С. Ушенин // Физика. Технологии. Инновации : тезисы докладов VI Международной молодежной научной конференции, посвященной 70-летию основания Физико-технологического института УрФУ (Екатеринбург, 20–24 мая 2019 г.). — Екатеринбург : ООО «Издательство учебно-методический центр УПИ», 2019. — C. 991-992.
Abstract: In this work, we propose a method for automatic segmentation of mast cells on histological images. The method includes a segmentation step and a classification step. The first step is performed by a neural network with UNet architecture, and the second step is performed by the convolutional neural network. Quality of classification reaches 0.68 at the validation dataset in the categorical accuracy metric.
URI: http://elar.urfu.ru/handle/10995/98796
Conference name: VI Международная молодежная научная конференция «Физика. Технологии. Инновации», посвященной 70-летию основания Физико-технологического института УрФУ
Conference date: 20.05.2019-24.05.2019
ISBN: 978-5-8295-0640-7
metadata.dc.description.sponsorship: Работа выполнена в рамках госзадания ИИФ УрО РАН (тема № АААА-А18-118020590108-7) и поддержана Актом правительства РФ №211 от 16 марта 2013 года (соглашение 02.A03.21.0006).
Origin: Физика. Технологии. Инновации (ФТИ-2019). — Екатеринбург, 2019
Appears in Collections:Конференции, семинары

Files in This Item:
File Description SizeFormat 
978-5-8295-0640-7_2019_604.pdf291 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.