PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  dermatoscopic images
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Neural networks from Keras in skin lesion diagnostic
Michalska-Ciekańska Magdalena
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
|
2022
|
T. 12, nr 1
40--43
EN
Melanoma is currently one of the most dangerous skin diseases, in addition many others appear in the population. Scientists are developing techniques for early non-invasive skin lesions diagnosis from dermatoscopic images, for this purpose neural networks are increasingly used. Many tools are being developed to allow for faster implementation of the network, including the Keras package. The article presents selected methods of diagnosing skin diseases, including the process of classification, features selection, extracting the skin lesion from the whole image.The described methods have been implemented using deep neural networks available in the Keras package. The article draws attention to the effectiveness, specificity, accuracy of classification based on available data sets, attention was paid to tools that allow for more effective operation of algorithms.
PL
Melanoma jest obecnie jedną z najbardziej niebezpiecznych chorób skóry, oprócz niej pojawia się w populacji wiele innych. Naukowcy rozwijają techniki wczesnego nieinwazyjnego diagnozowania zmian skórnych z obrazów dermatoskopowych, w tym celu coraz częściej wykorzystywane są sieci neuronowe. Powstaje wiele narzędzi powzalajcych na szybszą implementację sieci należy do niej pakiet Keras. W artykule przedstawiono wybrane metody diagnostyki chorób skóry, należy do nich proces klasyfikacji, selekcji cech, wyodrębnienia zmiany skórnej z całego obrazu. Opisane metody zostały zostały zaimplementowane za pomocą dostępnych w pakiecie Keras głębokich sieci neuronowych. W artykule zwrócono uwagę na skuteczność, specyficzność, dokładność klasyfikacji w oparciu o dostępne zestawy danych, zwrócono uwagę na narzędzi pozwalające na efektywniejsze działanie algorytmów.
2
Content available Multiclass skin lessions classification based on deep neural networks
Michalska-Ciekańska Magdalena
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
|
2022
|
T. 12, nr 2
10--14
EN
Skin diseases diagnosed with dermatoscopy are becoming more and more common. The use of computerized diagnostic systems becomes extremely effective. Non-invasive methods of diagnostics, such as deep neural networks, are an increasingly common tool studied by scientists. The article presents an overview of selected main issues related to the multi-class classification process: the stage of database selection, initial image processing, selection of the learning data set, classification tools, network training stage and obtaining final results. The described actions were implemented using available deep neural networks. The article pay attention to the final results of available models, such as effectiveness, specificity, classification accuracy for different numbers of classes and available data sets.
PL
Choroby skóry diagnozowane za pomocą dermatoskopii są coraz powszechniejsze. Wykorzystanie skomputeryzowanych systemów diagnostyki staje się niezwykle skuteczne. Nieinwazyjne metody diagnostyki, jakimi są głębokie sieci neuronowe są coraz powszechniejszym narzędziem badanym przez naukowców. W artykule przedstawiono przegląd wybranych głównych zagadnień związanych w procesem klasyfikacji wieloklasowej: etap wyboru bazy danych, wstępnego przetwarzania obrazów, doboru zestawu danych uczących, narzędzi klasyfikacji, etapu trenowania sieci i otrzymania wyników końcowych. Opisane działania zostały zaimplementowane za pomocą dostępnych głębokich sieci neuronowych. W artykule zwrócono uwagę na wyniki końcowe dostępnych modeli, takich jak skuteczność, specyficzność, dokładność klasyfikacji dla różnej ilości klas i dostępnych zestawów danych.
3
Content available Deep neural networks for skin lesions diagnostics
Michalska-Ciekańska Magdalena
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
|
2022
|
T. 12, nr 3
50--53
EN
Non-invasive diagnosis of skin cancer is extremely necessary. In recent years, deep neural networks and transfer learning have been very popular in the diagnosis of skin diseases. The article contains selected basics of deep neural networks, their interesting applications created in recent years, allowing the classification of skin lesions from available dermatoscopic images.
PL
Nieinwazyjna diagnostyka nowotworów skóry jest niezwykle potrzebna. W ostatnich latach bardzo dużym zainteresowaniem w diagnostyce chorób skóry cieszą się głębokie sieci neuronowe i transfer learning. Artykuł zawiera wybrane podstawy głębokich sieci neuronowych, ich ciekawe zastosowania stworzone w ostatnich latach, pozwalające na klasyfikację zmian skórnych z dostępnych obrazów dermatoskopowych.
4
Content available Selected applications of deepneural networks in skin lesion diagnostic
Michalska-Ciekańska Magdalena
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
|
2021
|
T. 11, nr 4
18--21
EN
The article provides an overview of selected applications of deep neural networks in the diagnosis of skin lesions from human dermatoscopic images, including many dermatological diseases, including very dangerous malignant melanoma. The lesion segmentation process, features selectionand classification was described.Application examples of binary and multiclass classification are given.The described algorithms have been widely used in the diagnosis of skin lesions. The effectiveness, specificity, and accuracy of classifiers were compared and analyzed based on available datasets.
PL
Artykuł zawiera przeglądwybranychzastosowań głębokich sieci neuronowych w diagnostyce zmian skórnych zobrazów dermatoskopowych człowieka z uwzględnieniem wielu choróbdermatologicznych, w tym bardzo niebezpiecznejz nich malignant melanoma. Został opisany processegmentacjizmiany, selekcji cech i klasyfikacji. Uwzględniono przykłady binarnej i wieloklasowej klasyfikacji. Opisane algorytmy znalazły szerokie zastosowanie w diagnostyce zmian skórnych.Porównano i przeanalizowanoskuteczność, specyficznośći dokładność klasyfikatorów w oparciu o dostępne zestawy danych.
5
Content available An overview of classification methods from dermoscopy images in skin lesion diagnostic
Michalska Magdalena, Boyko Oksana
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
|
2020
|
T. 10, nr 2
36--39
EN
The article contains a review of selected classification methods of dermatoscopic images with human skin lesions, taking into account various stages of dermatological disease. The described algorithms are widely used in the diagnosis of skin lesions, such as artificial neural networks (CNN, DCNN), random forests, SVM, kNN classifier, AdaBoost MC and their modifications. The effectiveness, specificity and accuracy of classifications based on the same data sets were also compared and analyzed.
PL
Artykuł zawiera przegląd wybranych metod klasyfikacji obrazów dermatoskopowych zmian skórnych człowieka z uwzględnieniem różnych etapów choroby dermatologicznej. Opisane algorytmy są szeroko wykorzystywane w diagnostyce zmian skórnych, takie jak sztuczne sieci neuronowe (CNN, DCNN), random forests, SVM, klasyfikator kNN, AdaBoost MC i ich modyfikacje. Porównana i przeanalizowana została również skuteczność, specyficznośc i dokładność klasyfikatów w oparciu o te same zestawy danych.
6
Content available remote Exploiting color and topological features for region segmentation with recursive fuzzy C-means
Cucchiara R., Grana C., Seidenari S., Pellacani G.
Machine Graphics and Vision
|
2002
|
Vol. 11, No. 2/3
169-182
EN
In this paper we define a novel approach to images segmentation into regions which focuses on both visual and topologocal cues, namely color similarity, inclusion and spatial adjacency. Many color clustering algorithms have been proposed in the past for skin lesion images but mone exploits explicity the inclusion properties between regions. Our algorithm is based on a recursive version of fuzzy c-means (FCM) clustering algorithm in the 2D color histogram constructed by Principal Component Analysis (PCA) of the color space. The distinctive feature of the proposal is that recursion is guided by evaluation of adjacency and mutual inclusion properties of extracted regions; then, the recursive analysis addresses only included or regions with a non-negligible size. This approach allows a coarse-to-fine segmentation which focuses attention on the inner parts of the images, in order to highlight the internal structure of the object depiced in the image. This could be particulary useful in many applications, especially in biomedical image analysis. Inthis work we apply the technique to segmentation of skin lesions in dermatoscopic images. It could be a suitable support for diagnosis of skin melanoma, since dermatologists are interrested in analysis of spatial relations, symmetrical positions and inlusion of regions.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.