Please use this identifier to cite or link to this item:
https://elib.bsu.by/handle/123456789/337010| Title: | Deep learning-based detection of cardiac hypertrophy symptoms in CT medical imaging |
| Other Titles: | Выявление симптомов гипертрофии сердца на КТ-снимках с использованием методов глубокого обучения / А. В. Бакунович, Ш. Ван |
| Authors: | Bakunovich, A. Wang, S. J. |
| Keywords: | ЭБ БГУ::ТЕХНИЧЕСКИЕ И ПРИКЛАДНЫЕ НАУКИ. ОТРАСЛИ ЭКОНОМИКИ::Медицина и здравоохранение ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика |
| Issue Date: | 2025 |
| Publisher: | Минск : БГУ |
| Citation: | Сахаровские чтения – 2025: экологические проблемы XXI века = Sakharov readings – 2025: environmental problems of the XXI century : материалы 25-й Междунар. науч. конф., 22–23 мая 2025 г., Респ. Беларусь, Минск. В 2 ч. Ч. 1 / Белорус. гос. ун-т ; Междунар. гос. экол. ин-т им. А. Д. Сахарова Белорус. гос. ун-та ; редкол.: А. Н. Батян (гл. ред.) [и др.]. – Минск : БГУ, 2025. – С. 277-280. |
| Abstract: | With advancements in bioinformatics and medical imaging, deep learning–based diagnostic methods are gaining clinical attention. This study proposes an enhanced YOLO11 model with the Convolutional Block Attention Module (CBAM) to improve cardiac hypertrophy detection in chest CT images. By reinforcing channel and spatial attention, the method enhances subtle morphological change detection while reducing interference from soft-tissue densities, blurred boundaries, and anatomical variability. Tests on a public CT dataset show that the improved YOLO11 outperforms the original, achieving 98.19 % precision, 98.79 % recall, and 98.47 % mAP@0.5 |
| Abstract (in another language): | С развитием биоинформатики и медицинской визуализации методы диагностики на основе глубокого обучения привлекают все больше внимания в клинической практике. Это исследование предлагает усовершенствованную модель YOLO11 с модулем внимания сверточных блоков (CBAM) для улучшения выявления гипертрофии сердца на КТ-снимках грудной клетки. Усиление канального и пространственного внимания позволяет лучше обнаруживать тонкие морфологические изменения, снижая влияние помех, связанных с плотностью мягких тканей, размытыми границами и анатомическими вариациями. Тестирование на общедоступном наборе КТ-данных показало, что улучшенная YOLO11 превосходит оригинальную модель, достигая 98,19 % точности, 98,79 % полноты и 98,47 % mAP@0.5 |
| Description: | Секция 3. Экологическая химия и биохимия, биофизика и молекулярная биология |
| URI: | https://elib.bsu.by/handle/123456789/337010 |
| ISBN: | 978-985-881-780-0 978-985-881-781-7 (ч. 1) |
| DOI: | 10.46646/SAKH-2025-1-277-280 |
| Licence: | info:eu-repo/semantics/openAccess |
| Appears in Collections: | 2025. Сахаровские чтения – 2025: экологические проблемы XXI века |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| 277-280.pdf | 849,56 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.