Публікація: Адаптивні активаційні функції глибинних нейронних мереж для сегментації тривимірних медичних зображень
Завантаження...
Дата
2022
Автори
Назва журналу
ISSN журналу
Назва тома
Видавництво
Анотація
Мета роботи – програмна реалізація AdELU, AdPReLU та вбудова їх в U-Net з тривимірними згортковими шарами для вирішення завдання семантичної сегментації на тривимірних медичних даних. Порівняння ефективності застосування адаптивних активаційних функцій для медичних даних в порівнянні зі статичними активаційними функціями.
Методи дослідження – аналіз активаційних функцій, що існують, вивчення предметної галузі, вирішення практичних завдань і проведення порівняльного аналізу.
Програмно реалізовані U-Net, EdELU та AdPReLU. Проведено дослідний аналіз набору даних, який складається з мультиінституціональних передопераційних МРТ-сканів і фокусується на сегментації внутрішньо неоднорідних пухлин мозку – BraTS20. Навчені нейронні мережі та проведено порівняльний аналіз.
Опис
Ключові слова
багатовимірні медичні зображення, глибинне навчання, комп'ютерний зір, семантична сегментація, штучна нейронна мережа, штучний інтелект, 3D згорткова нейронна мережа
Бібліографічний опис
Скорік В. А. Адаптивні активаційні функції глибинних нейронних мереж для сегментації тривимірних медичних зображень : пояснювальна записка до атестаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 122 Комп’ютерні науки / В. А. Скорік ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2022. – 95с.