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 "Oszutowska-Mazurek, D." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Wykorzystanie sieci neuronowej Kohonena do wizualizacji danych MPG
    Use of Kohonen neural network in MPG data visualisation
    Autorzy:
    Oszutowska-Mazurek, D. A.
    Powiązania:
    https://bibliotekanauki.pl/articles/135818.pdf
    Data publikacji:
    2016
    Wydawca:
    Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie
    Tematy:
    sieć neuronowa Kohonena
    samoorganizujące się mapy
    SOM
    wizualizacja danych
    dane MPG
    Kohonen neural network
    self organizing map
    Opis:
    Wstęp i cel: Zastosowanie sieci neuronowych Kohonena zapewnia zmniejszenie wielowymiarowości danych. Wizualizacja w postaci map samoorganizujących się (SOM) jest użytecznym narzędziem do wstępnego kastrowania (grupowania) danych. Materiał i metody: Wizualizację przeprowadzona dla rzeczywistych danych, udostępnionych przez uniwersytet w Kalifornii za pomocą oprogramowania SNNS v.4.3. Głównym celem pracy jest zastosowanie sieci neuronowych Kohonena zapewniające zmniejszenie wielowymiarowości danych. Wyniki: Otrzymano wizualizacje danych wskazujące jednoznacznie na dodatnie i ujemne korelacje danych MPG. Wniosek: Mapy samoorganizujące się mogą być dedykowane wizualizacji danych wielowymiarowych jednak wyniki zależą od sposobu mapowania danych wejściowych, zwłaszcza o charakterze jakościowym, nawet jeśli stosowana jest normalizacja każdego z parametrów.
    Introduction and aim: The use of Kohonen neural network ensures the decrease of data multidimensionality. Visualisation called Self organized maps is useful tool for preliminary data clustering. Material and methods: The visualisation of real data set was obtained with the use of program SNNS v.4.3 for real dataset from California University. The main aim of this paper is the use of Kohonen neural network to ensure the reduction of multidimensional data. Results: Obtained visualisations of data indicate unambiguously positive and negative correlations for MPG data Conclusion: Self organising maps could be dedicated to multidimensional data visualisation and preliminary quality assessment, but the results depend on the mapping method of input data, especially quantity type, even if normalisation of every parameter is provided.
    Źródło:
    Problemy Nauk Stosowanych; 2016, 4; 19-30
    2300-6110
    Pojawia się w:
    Problemy Nauk Stosowanych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza wpływu segmentacji jąder komórkowych w rozmazach Papanicolaou na pomiar wymiaru fraktalnego
    Analysis of influence of cell nuclei segmentation in Papanicolaou smears on fractal dimension measurements
    Autorzy:
    Mazurek, P.
    Oszutowska-Mazurek, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/153435.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    estymacja
    wymiar fraktalny
    przetwarzanie obrazów
    jądra komórkowe
    estimation
    fractal dimension
    image processing
    cell nuclei
    Opis:
    W artykule badano wrażliwość metody pryzm trójkątnych (TPM - Triangular Prism Method) do estymacji wymiaru fraktalnego dla różnych rozmiarów jądra komórkowego w cytologii ginekologicznej wybarwionej metodą Papanicolaou. Zmiana obszaru analizy pozwala na zmniejszenie wpływu algorytmu segmentacji na wynik. Wykorzystanie kanału zielonego gęstości optycznej i zmian wymiaru fraktalnego dla par skal: 1-2 oraz 2-3 pozwala na otrzymanie wyników dla systemu klasyfikacji z małą wrażliwością na segmentację.
    In the paper the influence of segmentation algorithms on estimation for the fractal dimension is analyzed. The Papanicolaou smears are very complex images and their automatic analysis is very hard. Segmentation algorithms of cell nuclei should support blurred and noised edges between cytoplasm and cell nucleus. The estimation of the cell nuclei image parameters is necessary, but the edge related parameters are not sufficient. The classification of the cells (correct/atypical) needs surface related parameters. Fractal based estimators are important for classification. The Papanicolaou images are colourful but only the green channel is important [9]. The TPM (Triangular Prism Method) is applied to the square area (2N+1 edge size) [5]. Multiple box selection variants occur and the multiple TPM analysis is applied and the mean value is calculated. The fractal dimension is calculated for a pair of scales (1-2, 2-3, 3-4). The correct and atypical cell nuclei are known and the analysis is separated. The histograms of difference between the known and reduced cell area are shown (Figs. 6-11). The atypical cells are less sensitive due to a larger size of the analysis area in comparison to the correct ones. Two scales (1-2) and (2-3) are useful, especially for smaller reduction parameter (erosion up to 9 pixels of original cell nuclei). Both scales are used in the classification system [9]. The fractal dimension changes are less than +/- 1%.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 6, 6; 498-501
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    From the slit-island method to the Ising model: Analysis of irregular grayscale objects
    Autorzy:
    Mazurek, P.
    Oszutowska-Mazurek, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/330884.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    slit island method
    area perimeter method
    Ising model
    image analysis
    cervical cancer
    model Isinga
    analiza obrazu
    rak szyjki macicy
    Opis:
    The Slit Island Method (SIM) is a technique for the estimation of the fractal dimension of an object by determining the area– perimeter relations for successive slits. The SIM could be applied for image analysis of irregular grayscale objects and their classification using the fractal dimension. It is known that this technique is not functional in some cases. It is emphasized in this paper that for specific objects a negative or an infinite fractal dimension could be obtained. The transformation of the input image data from unipolar to bipolar gives a possibility of reformulated image analysis using the Ising model context. The polynomial approximation of the obtained area-perimeter curve allows object classification. The proposed technique is applied to the images of cervical cell nuclei (Papanicolaou smears) for the preclassification of the correct and atypical cells.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2014, 24, 1; 49-63
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sieci konwolucyjnej głębokiego uczenia w detekcji pojazdów
    Use of deep learning convolutional network in vehicle detectionmears
    Autorzy:
    Oszutowska-Mazurek, D. A.
    Mazurek, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/136004.pdf
    Data publikacji:
    2017
    Wydawca:
    Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie
    Tematy:
    sieć konwolucyjna
    uczenie głębokie
    detekcja pojazdów
    przetwarzanie obrazów
    image processing
    deep learning
    convolutional neural network
    vehicle detection
    Opis:
    Wstęp i cel: Detekcja pojazdów na znaczenie w bezpieczeństwie ruchu drogowego oraz programowaniu pojazdów autonomicznych. Celem pracy jest detekcja pojazdów odróżniająca obrazy pojazdów od innych obrazów nie zawierających pojazdów. Materiał i metody: W pracy wykorzystano bazę pojazdów zawierającą obrazy ekstrahowane z sekwencji wideo, które przetwarzano za pomocą sieci konwolucyjnej głębokiego uczenia. Wyniki: Uzyskana sieć konwolucyjna charakteryzuje się bardzo dobrymi parametrami, krzywa PSNR względem kroku uczenia rośnie co oznacza, że zachodzi proces odszumiania kerneli w całym procesie uczenia. Wniosek: Proponowana metoda może być wykorzystana w programowaniu pojazdów autonomicznych oraz implementacji w Inteligentnych Systemach Transportowych ITS do detekcji pojazdów; bazuje na uczeniu a nie na projektowaniu algorytmu syntetycznego, dzięki temu jest potrzebny relatywnie krótki czas opracowania klasyfikatora.
    Introduction and aim: Vehicle detection plays essential role in road safety and automatic vehicle programming. The aim of study is vehicle detection distinguishing car and non-car images Material and methods: Vehicle database images extracted from video sequences were processed by deep learning convolutional network. Results: Obtained convolutional network is characterised by very good parameters, PSNR curve indicates denoising of kernels in learning process. Conclusion: Proposed method is potentially useful in autonomic vehicles programming and Intelligent Transportation Systems (ITS) for vehicles detection. The solution is based on learning, not on synthetic algorithm design, thanks to this, a relatively short time of classifier development is needed.
    Źródło:
    Problemy Nauk Stosowanych; 2017, 7; 47-56
    2300-6110
    Pojawia się w:
    Problemy Nauk Stosowanych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptacyjna metoda poprawy kontrastu dla cyfrowych obrazów rozmazów cytologicznych
    Adaptive method of contrast enhancement for digital images of cytological smears
    Autorzy:
    Oszutowska-Mazurek, D. A.
    Waker-Wójciuk, G
    Sycz, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/135844.pdf
    Data publikacji:
    2016
    Wydawca:
    Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie
    Tematy:
    rozmazy Papanicolaou
    kontrast
    poprawa kontrastu
    wizualizacja jądra komórkowego
    cytologia ginekologiczna
    cyfrowe przetwarzanie obrazów
    Papanicolaou smears
    contrast enhancement
    gynaecological cytology
    digital image processing
    Opis:
    Wstęp i cel: Zwiększenie kontrastu między jądrem komórkowym a cytoplazmą zapewnia poprawę wizualizacji cytologicznych cech komórki. Celem pracy jest poprawa wizualizacji jądra komórkowego. Materiał i metody: Automatyzacja doboru progu z wykorzystaniem algorytmu adaptacyjnego progowania dla rozkładów dwumodalnych została przeprowadzona dla obrazów rozmazów cytologicznych. Wyniki: Uzyskano zwiększony kontrast dla jądra komórkowego, dzięki czemu osiągnięto poprawę wizualizacji struktury chromatyny. Wniosek: Adaptacyjna metoda poprawy kontrastu może być użyteczna w diagnostyce cytologicznej, ale potrzebna jest weryfikacja w oparciu o większą bazę danych obrazów cytologicznych.
    Introduction and aim: Contrast enhancement between nucleus and cytoplasm ensures improvement of cytological features visualisation. The aim of study is improvement of nucleus visualisation. Material and methods: Automation of threshold estimation with the use of adaptive tresholding algorithm for bimodal distributions was provided for images of cytological smears. Results: Improved contrast for cell nuclei was obtained and therefore the enhancement of chromatine structure visualisation is achieved. Conclusion: Adaptive method of contrast enhancement could be useful in cytological diagnosis, but requires verification with the use of large database of cytological images.
    Źródło:
    Problemy Nauk Stosowanych; 2016, 5; 163-170
    2300-6110
    Pojawia się w:
    Problemy Nauk Stosowanych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Fractal analysis limitations in digital analysis of Papanicolaou cytological images
    Ograniczenia w analizie fraktalnej dla obrazów rozmazów Papanicolaou
    Autorzy:
    Oszutowska, D.
    Weker-Wójciuk, G.
    Mazurek, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/156352.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    fraktale
    analiza obrazów
    cytologia
    biomedycyna
    rozmazy Papanicolaou
    fractals
    image analysis
    cytology
    biomedicine
    Pap smears
    Opis:
    In this paper there is shown, using a set of selected examples, estimation of the fractal dimension that can be used as an additional (not separated) tool for detection of abnormal cell nuclei. The perimeter P(R) is estimated using variable radiuses (R) and the fractal dimension is obtained. Fractal analysis of a boundary is not sufficient even for high resolution images apparently but extension of the number of parameters (cytoplasm and nuclei field) gives much better separation.
    Geometria fraktalna pozwala na opis złożoności i zmienności obiektów biologicznych, w szczególności komórek. Metryki euklidesowe nie są wystarczające do klasyfikacji obiektów tego typu [4, 5]. W artykule pokazano wykorzystując zbiór wybranych przykładów, że estymacja wymiaru fraktalnego obwodu jądra komórkowego może być używana jako dodatkowy, ale nie jedyny wskaźnik służący do detekcji atypowych jąder komórek w analizie cytologii ginekologicznej. W typowej analizie cytologicznej rozmaz jest analizowany jest w powiększeniu 400x, dzięki czemu możliwa jest analiza nieregularności obwodu jądra komórkowego, które dla prawidłowych komórek powinno być gładkim okręgiem. Wybrane przypadki pokazano z zachowaniem skali na rys. 2. Założono wykorzystanie wymiaru fraktalnego dla obwodu, a do normalizacji obrazów wykorzystano średnicę Fereta. Obwód P(R) jest estymowany dla różnych promieni R, co pozwala na wyznaczenie wymiaru fraktalnego w oparciu o wykres Richardsona. Wymiar fraktalny nie może być brany jako jedyny wskaźnik atypii (rys. 4) gdyż niektóre jądra komórek mają ten sam wymiar fraktalny (to samo nachylenie), co komórki prawidłowe. Ocena atypii możliwa jest w przypadku zastosowania wymiaru fraktalnego, pola cytoplazmy i pola jądra komórkowego, co zwiększa różnicę między poszczególnymi przypadkami. Samo wykorzystanie obu pól nie gwarantuje dużej różnicy między tymi przypadkami. Założone aspekty analizy bazują części technik oceny wykonywanych przed osoby analizujące tego typu obrazy.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 1, 1; 52-54
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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