Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Ключевые тренды развития искусственного интеллекта: наука и технологии; Москва; Москва
Год издания: 2023
Ключевые слова: клетки мозга, сегментация биомедицинских изображений, распознавание изображений, обработка изображений, глубокие сверточные нейросети, U-Net, brain cells, biomedical image segmentation, image recognition, image preprocessing, deep convolutional networks
Аннотация: Рассмотрена задача семантической сегментации изображений клеток головного мозга крыс, окрашенных трипановым синим. Для решения задачи разработана математическая модель в виде сверточной нейронной сети, основанной на архитектуре U-Net с глубиной свертки равной 4. В результате исследований лучшая модель имеет метрику 0,8513 (коэффициПоказать полностьюент Дайса) на тестовой выборке и точность определения живых клеток составляет 98,62 %. Рассмотрено возможное будущее улучшение текущих моделей за счет изменений в архитектуре сверточной нейронной сети и подбора гиперпараметров для оптимизаторов. This article discusses the problem of semantic segmentation of images of rat brain cells stained with trypan blue. To solve the problem a mathematical model was developed in the form of a convolutional neural network based on the U-Net architecture with a convolution depth of 4. The result of applying the selected model according to metric Dice is 0.8513, according to the accuracy of detecting the number of living neurons is 98.62 %. A possible future improvement of the current models due to small changes in the architecture of the convolutional neural network, the selection of hyperparameters for optimizers.
Журнал: Ключевые тренды развития искусственного интеллекта: наука и технологии
Номера страниц: 54-60
Место издания: Москва