Данная работа исследует методы обучения U-Net для сегментации эхокардиографических изображений и показывает возможный вариант внедрения модели. Работа основана на анализе эффективности и применимости машинного обучения в сегментации эхокардиографических изображений. Исследование описывает возможные методы машинного обучения, а также метрики для задачи сегментации. В работе рассматривается разработка веб-приложения для автоматизации сегментирования эхокардиографических изображений в медицинских центрах, которое позволит ускорить процесс приема пациентов, не потеряв качества сегментации. / This work explores U-Net training methods for segmentation of echocardiographic images and shows a possible implementation of the model. The work is based on the analysis of the effectiveness and applicability of machine learning in segmentation of echocardiographic images. The study describes possible machine learning methods, as well as metrics for the segmentation task. The paper considers the development of a web application for automating segmentation of echocardiographic images in medical centers, which will speed up the process of receiving patients without losing the quality of segmentation.
| Identifer | oai:union.ndltd.org:urfu.ru/oai:elar.urfu.ru:10995/129233 |
| Date | January 2023 |
| Creators | Симахин, Д. Е., Simakhin, D. E. |
| Contributors | Медведев, А. Н., Берг, Д. Б., Medvedev, A. N., Berg, D. B., УрФУ. Институт радиоэлектроники и информационных технологий-РтФ, Базовая кафедра «Аналитика больших данных и методы видеоанализа» |
| Source Sets | Ural Federal University |
| Language | Russian |
| Detected Language | Russian |
| Type | Master's thesis, info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Rights | Предоставлено автором на условиях простой неисключительной лицензии, http://elar.urfu.ru/handle/10995/31613 |
Page generated in 0.0024 seconds