Тип публикации: диссертация
Год издания: 2022
Ключевые слова: ИЗОБРАЖЕНИЯ СВЕТОВОЙ МИКРОСКОПИИ НИЗКОГО ПРОСТРАНСТВЕННОГО РАЗРЕШЕНИЯ, ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЕ РИКЕРА, критерий нормализованной цветоразности, ГИБРИДНАЯ БАЙЕСОВСКАЯ СВЕРТОЧНАЯ НЕЙРОННАЯ СЕТЬ, ВЕРОЯТНОСТНАЯ СВЕРТОЧНАЯ НЕЙРОННАЯ СЕТЬ
Аннотация: Целью диссертации является повышение точности распознавания объектов на микроскопических изображениях с низким пространственным разрешением на основе дискретного вейвлет-преобразования Рикера и вероятностной и сверточной нейронной сети. Объектом исследования являются изображения световой микроскопии низкого пространственного разрешПоказать полностьюения. В работе использовались методы машинного обучения и компьютерного зрения, методы компьютерного моделирования и системного анализа, методы теории обучения искусственных нейронных сетей. В диссертационной работе разработаны, исследованы, реализованы в виде комплекса программ и протестированы на случайных и реальных данных новые алгоритмы и модели для решения задачи распознавания и классификации изображений световой микроскопии низкого пространственного разрешения, содержащих малоразмерные объекты интереса. Предложена модель автоматизированной обработки изображений световой микроскопии, сформулированы рекомендации для создания новых архитектур нейронных сетей в рамках задачи распознавания микроскопических изображений низкого пространственного разрешения. Разработанные алгоритмы и модели могут использоваться для построения автоматизированных систем анализа и распознавания визуальных данных. Результаты проведенных исследований позволят повысить эффективность работы специалистов в медицине и лабораторной диагностике.