Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/315268Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Kosareva, A. A. | |
| dc.contributor.author | Kovalev, V. A. | |
| dc.contributor.author | Fridman, M. V. | |
| dc.date.accessioned | 2024-06-28T12:11:15Z | - |
| dc.date.available | 2024-06-28T12:11:15Z | - |
| dc.date.issued | 2024 | |
| dc.identifier.citation | Компьютерные технологии и анализ данных (CTDA’2024) : материалы IV Междунар. науч.-практ. конф., Минск, 25–26 апр. 2024 г. / Белорус. гос. ун-т ; редкол.: В. В. Скакун (гл. ред.), Н. Н. Яцков, В. В. Гринёв. – Минск : БГУ, 2024. – С. 241-245. | |
| dc.identifier.isbn | 978-985-881-636-0 | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/315268 | - |
| dc.description | Секция «Биоинформатика» | |
| dc.description.abstract | Aiming to analyse radiogenic papillary thyroid carcinoma features, different methods for preparing whole-slide histopathological images were investigated. The Bit-S R50x3 neural model was trained using four datasets: images with min-max rescaling, optical density of image values, dedicated hematoxylin and eosin channels. The best results were achieved using dataset with dedicated hematoxylin channel (F1-score = 0.9504) | |
| dc.language.iso | en | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.subject | ЭБ БГУ::ТЕХНИЧЕСКИЕ И ПРИКЛАДНЫЕ НАУКИ. ОТРАСЛИ ЭКОНОМИКИ::Биотехнология | |
| dc.title | Classification of whole-slide histopathological images of radiogenic papillary thyroid carcinoma | |
| dc.title.alternative | Классификация гистопатологических полно-слайдовых изображений радиогенного папиллярного рака щитовидной железы / А.А. Косарева, В.А. Ковалев, М.В. Фридман | |
| dc.type | conference paper | |
| dc.description.alternative | Обсуждены методы подготовки наборов гистопатологических изображений для решения задачи классификации фрагментов папиллярной карциномы щитовидной железы. Нейросетевая модель Bit-S R50x3 была обучена на четырёх наборах данных: с использованием мин-макс. нормализации, значений оптической плотности пикселов изображений, двух отдельно выделенных каналов изображений (соответствующих позитивной реакции с ядерным красителем гематоксилином и цитоплазматическим красителем эозином). Лучший результат при обучении показал набор данных с искусственно выделенным H- каналом (F1-score = 0.9504) | |
| Располагается в коллекциях: | 2024. Компьютерные технологии и анализ данных (CTDA’2024) | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 241-245.pdf | 980,72 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.