Multiclass skin less ions classification based on deep neural networks
Artykuł w czasopiśmie
MNiSW
20
Lista 2021
| 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. |
