Baza Publikacji Pracowników Politechniki Lubelskiej

Status:
Warianty tytułu:	Wieloklasowa klasyfikacja znamion skórnych w oparciu o głębokie sieci neuronowe
Autorzy:	Michalska-Ciekańska Magdalena
Dyscypliny:
	Aby zobaczyć szczegóły należy się zalogować.
Rok wydania:	2022
Wersja dokumentu:	Drukowana \| Elektroniczna
Język:	angielski
Numer czasopisma:	2
Wolumen/Tom:	12
Strony:	10 - 14
Scopus® Cytowania:	0
Bazy:	Scopus \| BazTech
Efekt badań statutowych	NIE
Materiał konferencyjny:	NIE
Publikacja OA:	TAK
Licencja:
Sposób udostępnienia:	Witryna wydawcy
Wersja tekstu:	Ostateczna wersja opublikowana
Czas opublikowania:	W momencie opublikowania
Data opublikowania w OA:	30 czerwca 2022
Abstrakty:	angielski \| polski
	Skin diseases diagnosed with dermatoscopy are becoming more and more common. The use of computerized diagnostic systems becomes extremely effective. Non - invasive met hods of diagnostics, such as deep neural networks, are an increasingly common tool studied by scientists. The article presents an overview of selected main issues related to the multi - class classification process: the stage of database selection, initial i mage processing, selection of the learning data set, classification tools, network training stage and obtaining final results. The described a ctions were implemented using available deep neural networks. The article pay attention to the final results of av ailable models, such as effectiveness, specificity, classification accuracy for different numbers of classes and available data sets.
	Choroby skóry diagnozowane za pomocą dermatoskopii są coraz powszechniejsze. Wykorzystanie skomputeryzowanych systemów diagnostyki staje się niezwykle skuteczne. Nieinwazyjne metody diagno styki , jakimi są głębokie sieci n e uronowe są coraz powszechniejsz ym narzędziem badanym przez naukowców . W artykule przedstawiono przegląd wybran ych głównych zagadnie ń związan ych w procesem klasyfikacji wieloklasowej: etap wyboru bazy danych, wstępnego prze twarzania obrazów, doboru zestawu danych uczących, narzędzi klasyfikacji , etapu trenowania sieci i otrzymania wyników końcowych. Opisane działania zostały zaimplementowane za pomocą dostępnych głębokich sieci neuronowych. W artykule zwrócono uwagę na wynik i końcowe dostępnych modeli, takich jak skuteczność, specyficznoś ć , dokładność klasyfik acji dla różnej ilości klas i dostępnych zestawów danych.

Informacja o cookies

Multiclass skin less ions classification based on deep neural networks

Artykuł w czasopiśmie