Informacja

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

Wyszukujesz frazę "Siwek, Krzysztof" wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Algorytm segmentacji obrazów CT i PET do identyfikacji i wyznaczania objętości glejaka mózgu
Segmentation of brain CT and PET biomedical images to compute gliomas volumes
Autorzy:
Kot, Estera
Siwek, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/378270.pdf
Data publikacji:
2019
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
segmentacja
metoda aktywnego konturu
tomografia komputerowa
pozytonowa tomografia emisyjna
nowotwór mózgu
Opis:
Artykuł przedstawia nowy algorytm segmentacji wyników badań obrazowania mózgu - tomografii komputerowej (CT) i pozytonowej tomografii emisyjnej (PET) w celu identyfikacji, wyznaczania objętości i wizualizacji nowotworu mózgu – glejaka wielopostaciowego. Opracowano oprogramowanie komputerowe w środowisku MATLAB wykorzystujące metody aktywnego konturu: Edge i Chan-Vese. Dla podkreślenia wagi rozwiązywanego problemu nakreślono również aktualny sposób leczenia pacjentów z rozpoznanym glejakiem wielopostaciowym oraz metody pozyskiwania danych medycznych. W pracy przedstawiono schemat blokowy algorytmu i szczegółowo opisano kroki prowadzące do kolejnych rozwiązań. Zaprezentowano uzyskane wyniki numeryczne i wizualizację guzów. Pokazano sposoby weryfikacji wyników oraz wskazano dalsze perspektywy rozwoju omawianego problemu.
The paper presents an algorithm of segmentation of brain imaging examination results – computed tomography and positron emission tomography – in order to identify, calculate and visualize the brain tumor glioblastoma multiforme. Computer software was developed in the MATLAB environment using active contour methods: Edge and Chan- Vese. To understand the significance of the problem being solved, a review of the current treatment method for patients with diagnosed glioblastoma multiforme and means of obtaining medical data were included. The work presents a block diagram of the algorithm and details steps leading to further results. Numerical results and visualization of tumors were performed. Methods of verification of results were described, and further development perspectives of the discussed problem were indicated.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2019, 100; 87-97
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Architektura platformy korzystającej z metod uczenia maszynowego do przetwarzania obrazów biomedycznych w chmurze
Architecture of a platform that uses machine learning methods to process biomedical images in the cloud
Autorzy:
Kot, Estera
Siwek, Krzysztof
Winska, Ewelina
Powiązania:
https://bibliotekanauki.pl/articles/376986.pdf
Data publikacji:
2020
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
obrazy biomedyczne
architektura
chmura
glejak
przetwarzanie obrazów
uczenie maszynowe
Opis:
W artykule zaproponowana została architektura korzystająca z chmury Microsoft Azure umożliwiająca uruchomienie algorytmów uczenia maszynowego służących do wykrywania guzów mózgu z zestawu obrazów DICOM. Przedstawiony został proces wdrożenia modelu z uwzględnieniem integracji z infrastrukturą jednostki wykonującej badania medyczne. Zwrócono uwagę na bezpieczeństwo danych i ograniczenia typowe dla danych medycznych. Wskazano dalsze perspektywy rozwoju omawianego rozwiązania.
This paper proposes architecture based on Microsoft Azure Cloud that uses machine learning algorithms to detect brain tumours from a set of DICOM images. The process of implementing the model is presented, including integration with the infrastructure of the unit performing medical research. Data security and limitations typical for medical data are described. Further development perspectives for the discussed solutions are indicated.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2020, 104; 35-44
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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