Unet-boosted classifier – мультизадачная архитектура для малых выборок на примере классификации МРТ снимков головного мозга

Проблема обучения глубоких нейронных сетей на малых выборках особенно актуальна для медицинских задач. В работе рассматривается влияние попиксельной разметки значимых объектов на изображении, в дополнении к истинной метке класса, на качество решения задачи классификации. Для достижения лучших резуль...

詳細記述

書誌詳細

出版年:	Информатика и автоматизация
主要な著者:	Kirill Sobyanin, Sofya Kulikova
フォーマット:	論文
言語:	英語
出版事項:	Russian Academy of Sciences, St. Petersburg Federal Research Center 2024-06-01
主題:	классификация изображений глубокое обучение малый набор данных семантическая сегментация мультизадачная архитектура церебральная патология диагностика опухоли
オンライン･アクセス:	http://ia.spcras.ru/index.php/sp/article/view/16135