Work

Розробка Та Дослідження Сегментації Зображень За Допомогою Mask R-cnn, Grabcut І Opencv

Year: 2022
Type: article
Abstract: Як нова біомедична технологія обробки зображень сегментація медичних зображень зробив великий внесок у стале медичне обслуговування. Зараз це стало важливим дослідницьким напрямом в області комп'ютерного зору. Зі стрімким розвитком глибокого навчання обробка медичних зображень на основі глибоких згорткових нейронних мереж стала центром дослідження. Ця стаття зосереджена на дослідженні сегментації медичних зображень на основі глибокого навчання. Спочатку вводяться основні ідеї та характеристики сегментації медичних зображень на основі глибокого навчання. Пояснюючи статус дослідження та підсумовуючи три основні методи сегментації медичного зображення та їхні власні обмеження, розширюється напрямок майбутнього розвитку. На основі обговорення різних патологічних тканин і органів узагальнено специфічність між ними та їх класичні алгоритми сегментації. Незважаючи на великі досягнення сегментації медичних зображень за останні роки, сегментація медичних зображень на основі глибокого навчання все ще стикається з труднощами в дослідженні. Наприклад, точність сегментації невисока, кількість медичних зображень у наборі даних невелика, а роздільна здатність низька. Неточні результати сегментації не можуть відповідати фактичним клінічним вимогам. З метою вирішення вищезазначених проблем надається всебічний огляд сучасних методів сегментації медичних зображень на основі глибокого навчання, щоб допомогти дослідникам вирішити існуючі проблеми.
Language: Ukrainian
Open Access status: hybrid
OpenAlex ID: W4282932010
FWCI:
Cites: 11
Cited by:
Related to: 10