|сгенерировать QR код
Открытый доступ
Только для подписчиков
Нейровизуализация интракраниальных новообразований: объемная сегментация трехмерных изображений
https://doi.org/10.29235/1818-9857-2023-12-73-79
Аннотация
В статье представлены разработанная авторами методика и алгоритм для семантической сегментации новообразований и последующего обучения нейронной сети с использованием платформы Matlab. Полученные результаты ориентированы на раннее выявление нейроонкологических заболеваний и могут повысить точность скрининга данной патологии, а также оценить эффективность проведенного лечения
Об авторах
Х. Джанибеков
БГУИР
Беларусь
Беларусь
Хамзат Джанибеков, ассистент кафедры проектирования информационно- компьютерных систем
А. Чураков
БГУИР
Беларусь
Беларусь
Андрей Чураков, доцент кафедры электронной техники и технологии, кандидат медицинских наук, доцент
А. Онгарбаева
Евразийский национальный университет имени Л.Н. Гумилева
Казахстан
Казахстан
Айнагуль Онгарбаева, старший преподаватель кафедры информационной безопасности
г. Астана
Д. Науменко
РНПЦ неврологии и нейрохирургии
Беларусь
Беларусь
Дмитрий Науменко, врач рентгеновского отделения
И. Шульгина
Республиканская клиническая больница медицинской реабилитации
Беларусь
Беларусь
Ирина Шульгина, заведующий кабинетом рентгенокомпьютерной диагностики рентгеновского отделения
П. Лопатов
5-я ГКБ г. Минска
Беларусь
Беларусь
Павел Лопатов, заведующий отделением анестезиологии и реанимации №1 (для нейрохирургических пациентов)
Список литературы
1. Создание семантической сегментации с помощью Volume Segmenter // https://www.mathworks.com/help/images/create-semantic-segmentation-using-volumesegmenter.html.
2. Приложение для постобработки изображений Canon Compressed Speeder // https://cmtrade.ru/products/prilozhenie-dlya-mrt-canon-compressed-speeder.
3. Приложение для постобработки изображений Canon Compressed Speeder // https://www.mathworks.com/videos/3d-image-segmentation-of-brain-tumorsusing-deep-learning.
4. Роннебергер О., Фишер П., Брокс Т. U-Net: сверточные сети для сегментации биомедицинских изображений // MICCAI – 2015: мат-лы Междунар. конф. по вычислениям медицинских изображений и компьютерным вмешательствам.– Мюнхен, 2015. С. 234–241.
5. Sudre C.H., Li. W., Vercauteren T., Ourselin S., Cardoso M.J. Обобщенное перекрытие игральных костей как функция потери глубокого обучения для сильно несбалансированных сегментов // Глубокое обучение анализу медицинских изображений и мультимодальное обучение для поддержки принятия клинических решений.– Квебек, 2017. С. 240–248.
6. Нейровизуализация // https://postnauka.ru/video/155696.
7. Республиканский научно-практический центр онкологии и медицинской радиологии им. Н. Н. Александрова // https://omr.by/news/stati/opukholigolovnogo-mozga.
8. Система и метод использования структурированного отчета DICOM для оптимизации рабочего процесса // https://patents.google.com/patent/US6950985B2/en?q=DICOM&oq=DICOM.
9. Система обработки данных медицинских изображений // https://patents.google.com/patent/US20070237371A1/en?oq=US+2007%2f0237371+A1 https://patents.google.com/patent/US6950985B2/en?q=DICOM&oq=DICOM.
10. Хирургия головного мозга // https://www.neurology.ru/neyrohirurgicheskoeotdelenie/hirurgiya-golovnogo-mozga.
Рецензия
Для цитирования:
Джанибеков Х., Чураков А., Онгарбаева А., Науменко Д., Шульгина И., Лопатов П. Нейровизуализация интракраниальных новообразований: объемная сегментация трехмерных изображений. Наука и инновации. 2023;1(12):73-79. https://doi.org/10.29235/1818-9857-2023-12-73-79
For citation:
Dzhanibekov Kh., Churakov A., Ongarbayeva A., Naumenko D., Shulgina I., Lopatov P. Neuroimaging of intracranial neoplasms: volume segmentation of 3D images. Science and Innovations. 2023;1(12):73-79. (In Russ.) https://doi.org/10.29235/1818-9857-2023-12-73-79
Просмотров: 136
Послать статью по эл. почте 