Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/341096| Заглавие документа: | Использование методов глубокого обучения в интерпретации результатов бактериологических исследований |
| Другое заглавие: | Using deep learning methods in the interpretation of bacteriological research results / Gulbanu Yessenbayeva, Aisulu Ismailova, Kuanysh Kadyrkulov |
| Авторы: | Есенбаева, Г. Р. Исмаилова, А. А. Кадиркулов, К. К. |
| Тема: | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Биология ЭБ БГУ::ТЕХНИЧЕСКИЕ И ПРИКЛАДНЫЕ НАУКИ. ОТРАСЛИ ЭКОНОМИКИ::Медицина и здравоохранение |
| Дата публикации: | 2025 |
| Издатель: | Минск : БГУ |
| Библиографическое описание источника: | Информационные системы и технологии = Information Systems and Technologies : материалы XI Междунар. науч. конгр. по информатике (CSIST-2025), Респ. Беларусь, Минск, 29–31 окт. 2025 г. В 2 ч. Ч. 1 / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др]. – Минск : БГУ, 2025. – С. 140-149. |
| Аннотация: | В статье рассматриваются современные подходы к автоматизации интерпретации результатов бактериологических исследований с использованием методов глубокого обучения и биоинформатики. Показано, что традиционные методы анализа остаются трудоёмкими и подверженными субъективным ошибкам, что актуализирует необходимость внедрения интеллектуальных систем. Цель исследования заключается в разработке модели классификации микроорганизмов и выявления патологических процессов на основе изображений бактериальных культур, данных микроскопии и лабораторных записей. В качестве методологической основы применяются сверточные нейронные сети (CNN), методы предобработки изображений, кластеризации и статистического анализа. Ожидается, что внедрение данной технологии позволит повысить точность и скорость диагностики, снизить вероятность ошибок и обеспечить поддержку клинических решений |
| Аннотация (на другом языке): | The article explores modern approaches to automating the interpretation of bacteriological research results using deep learning methods and bioinformatics. Traditional analysis methods remain labor-intensive and prone to subjective errors, which highlights the need for intelligent systems. The aim of this study is to develop a model for microorganism classification and pathology detection based on bacterial culture images, microscopy data, and laboratory records. Convolutional neural networks (CNN), image preprocessing, clustering, and statistical analysis serve as the methodological foundation. It is expected that the implementation of this technology will improve diagnostic accuracy and speed, reduce the likelihood of errors, and support clinical decision-making |
| Доп. сведения: | Раздел II. Биоинформатика и приложения |
| URI документа: | https://elib.bsu.by/handle/123456789/341096 |
| ISBN: | 978-985-881-851-7 978-985-881-852-4 (ч. 1) |
| Лицензия: | info:eu-repo/semantics/openAccess |
| Располагается в коллекциях: | 2025. Информационные системы и технологии |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 140-149.pdf | 352,55 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.