COMPARATIVE STUDY OF MODERN NEURAL NETWORK ARCHITECTURES FOR MEDICAL IMAGE SEGMENTATION PROBLEMS

2021

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)
DOI 10.55452/1998-6688-2021-18-3-83-88
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

Computer Vision is the area of Machine Learning that is responsible for machine perception of visual information. Image segmentation is a subfield of Computer Vision that solves the task of dividing a digital image into segments by their class label. One of the main problems in the subfield is the scarcity of data and the restoration of spatial information for the classified image. This article is a brief survey of current Biomedical Image Segmentation approaches, specifically Convolutional Neural Networks architectures and the morphological transformation for data augmentation.