Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "images" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Usage of artificial neural networks in the diagnosis of knee joint disorders
    Zastosowanie sztucznych sieci neuronowych w diagnozie schorzeń stawu kolanowego
    Autorzy:
    Witkowski, Konrad
    Wieczorek, Mikołaj
    Powiązania:
    https://bibliotekanauki.pl/articles/27315456.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    classification
    MRI images
    Resnet
    Alexnet
    klasyfikacja
    zdjęcia MRI
    Opis:
    Following article address the issue of automatic knee disorder diagnose with usage of neural networks. We proposed several hybrid neuralnet architectures which aim to successfully classify abnormalityusing MRI (magnetic resonance imaging) images acquired from publicly available dataset. To construct such combinations of modelswe used pretrainedAlexnet, Resnet18 and Resnet34 downloaded from Torchvision. Experiments showedthat for certain abnormalities our models can achieve up to 90% accuracy.
    Niniejszy artykuł porusza temat automatycznej diagnozy uszkodzenia stawu kolanowego z zastosowaniem sieci neuronowych. Zaproponowanokilka hybrydowych sieci neuronowych, które podjęły próbę poprawnej klasyfikacji nieprawidłowości wykorzystując zdjęcia rezonansu magnetycznego pochodzące z publicznie dostępnego zbioru. Do konstrukcjikombinacji sieci skorzystanoz pretrenowanych modeli (Alexnet, Resnet18, Resnet34) pobranychz Torchvision. Eksperyment pokazał, że dla klasyfikacji niektórych schorzeń modele osiągnęły nawet 90% skuteczności.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 4; 11--14
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Magnetic field of coaxial square coils enclosed with high-permeability material
    Pole magnetyczne współosiowych kwadratowych cewek zamkniętych w materiale o wysokiej permeancji
    Autorzy:
    Juhas, A.
    Pekaric Nad, N.
    Toepfer, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/408875.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    Helmholtz coils
    magnetic field
    method of images
    cewki Helmholtza
    pole magnetyczne
    metoda obrazów
    Opis:
    In this paper, the method of images is used to model the effects of enclosure made of high-permeability material on magnetic field of square coils. Closed-form description for the images, along with the case study involving square Helmholtz coils, is provided.
    W artykule opisano wykorzystanie metody obrazów do modelowania wpływu obudowy wykonanej z materiału o dużej przenikalności magnetycznej w obszarze kwadratowych cewek. Przedstawiono opis obrazów dla zamkniętej formy wraz ze studium przypadku z kwadratowymi cewkami Helmholtza.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2018, 8, 2; 30-34
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selected applications of deepneural networks in skin lesion diagnostic
    Wybrane zastosowania głębokich sieci neuronowych w diagnozie zmian skórnych
    Autorzy:
    Michalska-Ciekańska, Magdalena
    Powiązania:
    https://bibliotekanauki.pl/articles/2070250.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    dermatoscopic images
    neural networks
    melanoma
    skin lesions
    obraz dermatoskopowy
    sztuczne sieci neuronowe
    zmiany skórne
    Opis:
    The article provides an overview of selected applications of deep neural networks in the diagnosis of skin lesions from human dermatoscopic images, including many dermatological diseases, including very dangerous malignant melanoma. The lesion segmentation process, features selectionand classification was described.Application examples of binary and multiclass classification are given.The described algorithms have been widely used in the diagnosis of skin lesions. The effectiveness, specificity, and accuracy of classifiers were compared and analyzed based on available datasets.
    Artykuł zawiera przeglądwybranychzastosowań głębokich sieci neuronowych w diagnostyce zmian skórnych zobrazów dermatoskopowych człowieka z uwzględnieniem wielu choróbdermatologicznych, w tym bardzo niebezpiecznejz nich malignant melanoma. Został opisany processegmentacjizmiany, selekcji cech i klasyfikacji. Uwzględniono przykłady binarnej i wieloklasowej klasyfikacji. Opisane algorytmy znalazły szerokie zastosowanie w diagnostyce zmian skórnych.Porównano i przeanalizowanoskuteczność, specyficznośći dokładność klasyfikatorów w oparciu o dostępne zestawy danych.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2021, 11, 4; 18--21
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimizing ultrasound image classification through transfer learning: fine-tuning strategies and classifier impact on pre-trained inner-layers
    Optymalizacja klasyfikacji obrazów ultrasonograficznych techniką transfer learning: strategie dostrajania i wpływ klasyfikatora na wstępnie wytrenowane warstwy wewnętrzne
    Autorzy:
    Bal-Ghaoui, Mohamed
    Alaoui, Hachem El Yousfi
    Jilbab, Abdelilah
    Bourouhou, Abdennaser
    Powiązania:
    https://bibliotekanauki.pl/articles/27315459.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    CNN
    transfer learning
    fine-tuning
    SVM
    ultrasound images
    cancer classification
    dostrajanie
    obraz ultrasonograficzny
    klasyfikacja nowotworów
    Opis:
    Transfer Learning (TL) is a popular deep learning technique used in medical image analysis, especially when data is limited. It leverages pre-trained knowledge from State-Of-The-Art (SOTA) models and applies it to specific applications through Fine-Tuning (FT). However, fine-tuning large models can be time-consuming, and determining which layers to use can be challenging. This study explores different fine-tuning strategies for five SOTA models (VGG16, VGG19, ResNet50, ResNet101, and InceptionV3) pre-trained on ImageNet. It also investigates the impact of the classifier by usinga linear SVM for classification. The experiments are performed on four open-access ultrasound datasets related to breast cancer, thyroid nodules cancer, and salivary glands cancer. Results are evaluated using a five-fold stratified cross-validation technique, and metrics like accuracy, precision, and recall are computed. The findings show that fine-tuning 15% of the last layers in ResNet50 and InceptionV3 achieves good results. Using SVM for classification further improves overall performance by 6% for the two best-performing models. This research provides insights into fine-tuning strategiesandthe importance of the classifier in transfer learning for ultrasound image classification.
    Transfer Learning (TL) to popularna technika głębokiego uczenia stosowana w analizie obrazów medycznych, zwłaszcza gdy ilość danych jestograniczona. Wykorzystuje ona wstępnie wyszkoloną wiedzę z modeli State-Of-The-Art (SOTA) i zastosowanie ich do konkretnych aplikacji poprzez dostrajanie (Fine-Tuning –FT). Jednak dostrajanie dużych modeli może być czasochłonne, a określenie, których warstw użyć, może stanowić wyzwanie.W niniejszym badaniu przeanalizowano różne strategie dostrajania dla pięciu modeli SOTA (VGG16, VGG19, ResNet50, ResNet101 i InceptionV3) wstępnie wytrenowanych na ImageNet. Zbadano również wpływ klasyfikatora przy użyciu liniowej SVM do klasyfikacji. Eksperymenty przeprowadzonona czterech ogólnodostępnych zbiorach danych ultrasonograficznych związanych z rakiem piersi, rakiem guzków tarczycy i rakiemgruczołów ślinowych. Wyniki są oceniane przy użyciu techniki pięciowarstwowej walidacji krzyżowej, a wskaźniki takie jak dokładność, precyzja i odzyskiwanie są obliczane. Wyniki pokazują, że dostrojenie 15% ostatnich warstw w ResNet50 i InceptionV3 osiąga dobre wyniki. Użycie SVM do klasyfikacjidodatkowo poprawia ogólną wydajność o 6% dla dwóch najlepszych modeli. Badania te zapewniają informacje na temat strategii dostrajania i znaczenia klasyfikatoraw uczeniu transferowym dla klasyfikacji obrazów ultrasonograficznych.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 4; 27--33
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of digital image processing methods for obtaining contours of objects on ultrasound images of the hip joint
    Zastosowanie metod cyfrowego przetwarzania obrazu do uzyskiwania konturów obiektów na obrazach ultrasonograficznych stawu biodrowego
    Autorzy:
    Ratushnyi, Pavlo
    Bilynsky, Yosyp
    Zhyvotivskyi, Stepan
    Powiązania:
    https://bibliotekanauki.pl/articles/2033338.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    ultrasound images
    diagnostics
    hip joint
    digital processing
    sharpening
    contour
    zdjęcie ultrasonograficzne
    diagnostyka
    staw biodrowy
    obróbka cyfrowa
    ostrzenie
    kontur
    Opis:
    In this work, the problems of research of ultrasonic images of joints are formulated. It is that for early diagnosis of developmental disorders of the hip joints needs to take frequent pictures, and the least harmful to health is ultrasound. But the quality of such images is not sufficient for highquality automated measurement of geometric parameters and diagnosis of deviations. The ultrasound image of the hip joint is evaluated by quantifying the exact values of the acetabular angle, the angle of inclination of the cartilaginous lip, and the location of the center of the femoral head. To get these geometric parameters, you need to have clear images of objects. And for the operation of automated computer measurement systems, it is necessary to use such methods of pre-digital image processing, which would give clear contours of objects. Known and available image processing algorithms, in particular contour selection, face problems in processing specific medical images. It is proposed to use the developed method of sharpening to further obtain high-quality contour lines of objects. A mathematical model of the method is presented, which is a formula for converting the intensity values of each pixel of a digital image. As a result of this method, the noise component of the image is reduced, and the intensity differences between the background and the objects are increased, and the width of these differences is one pixel. The algorithm of a sequence of processing of ultrasonic images and features of its application have resulted. The results of the developed set of methods are given. The paper presents the results of processing the real image of the hip joint, which visually confirms the quality of the selection of objects on view.
    W pracy sformułowano problematykę badań ultradźwiękowych obrazów stawów. Polega ona na tym, że do wczesnej diagnostyki zaburzeń rozwojowych stawów biodrowych konieczne jest częste wykonywanie zdjęć, a najmniej szkodliwe dla zdrowia są badania USG. Jednak jakość uzyskanych obrazów nie jest wystarczająca do tego, by z wysoką jakością przeprowadzić automatyczne pomiary parametrów geometrycznych i diagnostykę odchyleń. Obraz ultrasonograficzny stawu biodrowego ocenia się poprzez ilościowe określenie dokładnych wartości kąta panewki, kąta nachylenia warstwy chrzęstnej i położenia środka głowy kości udowej. Aby uzyskać te parametry geometryczne, musisz konieczne są wyraźne obrazy obiektów. Do obsługi zautomatyzowanych komputerowych systemów pomiarowych konieczne jest stosowanie takich metod przedcyfrowego przetwarzania obrazu, które dawałyby wyraźne kontury obiektów. Znane i dostępne algorytmy przetwarzania obrazu, w szczególności wybór konturu, napotykają problemy w przetwarzaniu określonych obrazów medycznych. Proponuje się wykorzystanie opracowanej metody wyostrzenia w celu dalszego uzyskania wysokiej jakości konturów obiektów. Przedstawiono model matematyczny metody będący formułą do przeliczania wartości natężenia każdego piksela obrazu cyfrowego. W wyniku tej metody zmniejsza się składowa szumu obrazu, a różnice intensywności między tłem a obiektami są zwiększane, a szerokość tych różnic wynosi jeden piksel. Opracowano algorytm kolejności przetwarzania obrazów ultradźwiękowych i cechy jego zastosowania. Podano wyniki opracowanego zestawu metod. W pracy przedstawiono wyniki przetwarzania rzeczywistego obrazu stawu biodrowego, co wizualnie potwierdza jakość doboru obiektów widzenia.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2021, 11, 2; 22-25
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Deep neural networks for skin lesions diagnostics
    Głębokie sieci neuronowe dla diagnostyki zmian skórnych
    Autorzy:
    Michalska-Ciekańska, Magdalena
    Powiązania:
    https://bibliotekanauki.pl/articles/2174701.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    deep neural networks
    transfer learning
    dermatoscopic images
    skin lesions diagnostics
    głębokie sieci neuronowe
    obraz dermatoskopowy
    diagnostyka zmian skórnych
    Opis:
    Non-invasive diagnosis of skin cancer is extremely necessary. In recent years, deep neural networks and transfer learning have been very popular in the diagnosis of skin diseases. The article contains selected basics of deep neural networks, their interesting applications created in recent years, allowing the classification of skin lesions from available dermatoscopic images.
    Nieinwazyjna diagnostyka nowotworów skóry jest niezwykle potrzebna. W ostatnich latach bardzo dużym zainteresowaniem w diagnostyce chorób skóry cieszą się głębokie sieci neuronowe i transfer learning. Artykuł zawiera wybrane podstawy głębokich sieci neuronowych, ich ciekawe zastosowania stworzone w ostatnich latach, pozwalające na klasyfikację zmian skórnych z dostępnych obrazów dermatoskopowych.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2022, 12, 3; 50--53
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Identyfikacja przepływu dwufazowego gaz-ciecz oparta na ocenie rozmytej obrazów tomograficznych 3D
    Two-phase flow structure identification based on fuzzy assesment of 3D tomographical imaging
    Autorzy:
    Jaworski, T.
    Fiderek, P.
    Wajman, R.
    Banasiak, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/408592.pdf
    Data publikacji:
    2013
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    logika rozmyta
    rozmyta ocena obrazów
    przetwarzanie obrazów
    obrazy przestrzenne
    fuzzy logic
    fuzzy image assessment
    image processing
    spatial images
    Opis:
    Prezentowany artykuł przedstawia wyniki prac nad systemem automatycznego rozpoznawania przepływów dwufazowych gaz-ciecz w rurociągach poziomych i pionowych. Opiera się on na logice rozmytej przy ocenie obrazów przestrzennych z tomografii 3D a następnie na przyporządkowaniu uzyskanych ocen do jednej z klas przepływu.
    The following paper presents results of research on automated two-phase flow pattern identification, which is based on a fuzzy assessment of registered spatial images. Such images are obtained from 3D tomography reconstruction algorithms and for each a set of fuzzy-based features is calculated. Finally, acquired features are used to classify obtained image to one of flow regime structures.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2013, 3; 41-48
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An overview of classification methods from dermoscopy images in skin lesion diagnostic
    Przegląd metod klasyfikacji obrazów dermatoskopowych wykorzystywanych w diagnostyce zmian skórnych
    Autorzy:
    Michalska, Magdalena
    Boyko, Oksana
    Powiązania:
    https://bibliotekanauki.pl/articles/407654.pdf
    Data publikacji:
    2020
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    dermatoscopic images
    classification method
    neural network
    SVM
    skin cancer
    skin lesion
    obraz dermatoskopowy
    metoda klasyfikacji
    sztuczna sieć neuronowa
    nowotwór skóry
    zmiany skórne
    Opis:
    The article contains a review of selected classification methods of dermatoscopic images with human skin lesions, taking into account various stages of dermatological disease. The described algorithms are widely used in the diagnosis of skin lesions, such as artificial neural networks (CNN, DCNN), random forests, SVM, kNN classifier, AdaBoost MC and their modifications. The effectiveness, specificity and accuracy of classifications based on the same data sets were also compared and analyzed.
    Artykuł zawiera przegląd wybranych metod klasyfikacji obrazów dermatoskopowych zmian skórnych człowieka z uwzględnieniem różnych etapów choroby dermatologicznej. Opisane algorytmy są szeroko wykorzystywane w diagnostyce zmian skórnych, takie jak sztuczne sieci neuronowe (CNN, DCNN), random forests, SVM, klasyfikator kNN, AdaBoost MC i ich modyfikacje. Porównana i przeanalizowana została również skuteczność, specyficznośc i dokładność klasyfikatów w oparciu o te same zestawy danych.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2020, 10, 2; 36-39
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies