U-NET arxitekturasi yordamida miya o‘smalarini avtomatik segmentatsiya qilish: aniqlik va tezkorlik tahlili
Annotatsiya
Ushbu maqolada miya magnit-rezonans tomografiyasi (MRT) tasvirlarida o‘smalarni aniqlash va ularning chegaralarini belgilashda U-Net konvolyutsion neyron tarmog‘ining samaradorligi tadqiq etiladi. Tadqiqotda U-Net arxitekturasining tibbiy tasvirlardagi lokalizatsiya aniqligi va segmentatsiya jarayonining tezkorligi an’anaviy algoritmlar bilan qiyosiy tahlil qilingan. Natijalar shuni ko‘rsatadiki, taklif etilayotgan model Dice koeffitsiyenti bo‘yicha yuqori ko‘rsatkichga ega bo‘lib, klinik amaliyotda shifokorlar ishini yengillashtirish imkonini beradi.
Kalit so‘zlar: Miya o‘smasi, MRT, U-Net, Segmentatsiya, Dice koeffitsiyenti, Chuqur o‘rganish, Lokalizatsiya
Библиографические ссылки
1. Ronneberger, O., Fischer, P., & Brox, T. (2015). "U-Net: Convolutional networks for biomedical image segmentation." MICCAI.
2. Menze, B. H., et al. (2015). "The Multimodal Brain Tumor Image Segmentation Benchmark (BRATS)." IEEE Transactions on Medical Imaging.
3. O‘zbekiston Respublikasi Prezidentining 2021-yil 17-fevraldagi PQ-4996-son "Sun’iy intellekt texnologiyalarini joriy etish bo‘yicha shart-sharoitlar yaratish chora-tadbirlari to‘g‘risida"gi Qarori.
4. Zhang, K., et al. (2017). "Beyond a Gaussian denoiser: Residual learning of deep CNN for image denoising." IEEE TIP.
