Публікація: Порівняльний аналіз ефективності Transfer Learning для CNN-архітектур та Vision Transformer у медичній рентгенографії
Завантаження...
Дата
2025
Автори
Назва журналу
ISSN журналу
Назва тома
Видавництво
Анотація
Об’єктом дослідження є процес автоматизованої класифікації медичних зображень рентгенографії грудної клітки з використанням моделей глибокого навчання. Предметом дослідження є ефективність застосування різних архітектур нейронних мереж, зокрема згорткових нейронних мереж і Vision Transformer, у поєднанні з підходом transfer learning для медичної діагностики. Метою роботи є порівняльний аналіз результативності використання transfer learning у поєднанні з різними архітектурами глибоких моделей для задач класифікації рентгенограм. У роботі використано експериментальні методи комп’ютерного моделювання, включно з попереднім навчанням моделей, тренуванням на медичних наборах даних та подальшим оцінюванням за допомогою стандартних метрик якості. У результаті роботи встановлено, що модель Vision Transformer у поєднанні з transfer learning демонструє найвищу точність класифікації порівняно з класичними CNN-архітектурами.
Опис
Ключові слова
медична діагностика, рентгенографія
Бібліографічний опис
Гопко Є. С. Порівняльний аналіз ефективності Transfer Learning для CNN-архітектур та Vision Transformer у медичній рентгенографії : пояснювальна записка до кваліфікаційної роботи здобувача вищої освіти на першому (бакалаврському) рівні, спеціальність 122 Комп’ютерні науки / Є. С. Гопко ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2025. – 91 с.