Этапы контроля входных данных при работе системы автоматического выявления патологий легких

Косарева, А. А.; Павленко, Д. А.; Снежко, Э. В.; Ковалев, В. А.

Issue Date Author Title Subject

Please use this identifier to cite or link to this item: https://elib.bsu.by/handle/123456789/288531

Title:	Этапы контроля входных данных при работе системы автоматического выявления патологий легких
Other Titles:	Stages of input data control during the work of automatic lung pathology detection system / A.A. Kosareva, D.A. Paulenka, E.V. Snezhko, V.A. Kovalev
Authors:	Косарева, А. А. Павленко, Д. А. Снежко, Э. В. Ковалев, В. А.
Keywords:	ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика
Issue Date:	2022
Publisher:	Минск : БГУ
Citation:	Информационные системы и технологии = Information Systems and Technologies : материалы междунар. науч. конгресса по информатике. В 3 ч. Ч. 2, Респ. Беларусь, Минск, 27–28 окт. 2022 г. / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др.]. – Минск : БГУ, 2022. – С. 138-143.
Abstract:	Предварительная обработка и отсеивание поступающих данных в систему компьютерной диагностики заболеваний легких является важным этапом, так как напрямую влияет на работу приложения и на отношение пользователя к получаемым результатам. В данном докладе предлагается алгоритм верификации изображений компьютерной томографии (КТ) органов грудной клетки человека, включающий в себя набор тривиальных и нетривиальных чекеров. Наибольшее внимание уделяется нейросетевым методам. Разработанный модуль контроля входных данных имеет точность классификации 100 % на тестовом наборе данных для проверки модальности и точность классификации 89 % на тестовом наборе данных для проверки наличия легких
Abstract (in another language):	Pre-processing and verification of incoming data into a computer-aided diagnosis system of lung diseases is an important step, as it directly affects the output of the application and the user’s attitude to the obtained result. This report proposes a chest computed tomography (CT) checking algorithm that includes a set of trivial and non-trivial verification tools. The greatest attention is paid to neural network methods. The result of the developed input data control module is 100% classification accuracy on the modality check dataset and 89% classification accuracy on the lung presence check dataset
URI:	https://elib.bsu.by/handle/123456789/288531
ISBN:	978-985-881-425-0 (ч. 2); ISBN 978-985-881-427-4
Licence:	info:eu-repo/semantics/openAccess
Appears in Collections:	2022. Информационные системы и технологии

Files in This Item:

File	Description	Size	Format
138-143.pdf		364,68 kB	Adobe PDF	View/Open

Show full item record Google Scholar