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:  skin lesions
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 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.
4
Content available remote Learning-based local quality assessment of reflectance confocal microscopy images for dermatology applications
Sikorska Miroslawa, Skalski Andrzej, Wodzinski Marek, Witkowski Alexander, Pellacani Giovanni, Ludzik Joanna
Biocybernetics and Biomedical Engineering
|
2021
|
Vol. 41, no. 3
880--890
EN
Background and objective: Skin cancer is one of the most common types of cancer and its early diagnosis significantly reduces patient morbidity and mortality. Reflectance confocal microscopy (RCM) is a modern and non-invasive method of diagnosis that is becoming popular amongst clinical dermatologists. The frequent occurrence of artifacts in the images is one of the most challenging factors in making a diagnosis based on RCM. It impedes the diagnosis process for the dermatologist and makes its automation difficult. In this work, we employ artificial neural networks to propose a local quality assessment system. It allows for the detection of artifacts and non-informative component images both retrospectively or in real-time during the examination. Methods: In this research we address the quality assessment issue by proposing an artificial intelligence-based solution. 612 RCM mosaics were divided into small component images and manually classified in order to train the ResNeXt model in the quality verification context. A trained network was used to create an application that marks individual classes of the component images on the mosaic. Results: We achieved the average classification precision of 0.98 both for the validation and test data sets. In addition, we present local quality assessment statistics of the 1540 cases of skin lesions to show which types of skin lesions most often present with artifacts in their RCM images. Conclusions: In this research we investigate the utility of the deep convolution neural networks for the local quality assessment of the RCM images. We propose an AI-based system that may be effectively used as real-time support for the dermatologist during a RCM examination and as a base for the automation of the diagnostic process.
5
Comparison of three In silico models of heat transfer in human body exposed to mild cooling
Buliński P., Ostrowski Z., Adamczyk W.
Studia Informatica
|
2016
|
Vol. 37, nr 3A
31--42
EN
The comparison of three numerical models of skin undergoing thermal stimulation in a human forearm is presented. Small brass compress is used to cool tissues, followed by the analysis of the skin temperature recovery process. In silico generated results are validated against in vivo measurements on 8 male adults.
PL
W pracy przedstawiono porównanie trzech modeli numerycznych tkanek przedramienia poddanych stymulacji termicznej. Chłodzenie skóry zrealizowano za pomocą mosiężnego kompresu. Analizowano proces powrotu schłodzonej skóry do warunków równowagi termicznej. Wyniki symulacji in silico porównano z pomiarami in vivo wykonanymi dla grupy 8 dorosłych mężczyznach.
6
Content available remote Numerical model of heat transfer in skin lesions
Ostrowski Z., Buliński P., Adamczyk W., Kozołub P., Nowak A. J.
Zeszyty Naukowe Politechniki Rzeszowskiej. Mechanika
|
2015
|
z. 87 [291], nr 1
55--62
EN
Preliminary results of numerical modelling of skin undergoing thermal stimulation (mild cooling) in a human forearm is presented. Small brass compress was used for cooling purposes. The skin recovery process was then analysed. Temperature history for N = 14 samples was recorded using IR camera. The samples come from 8 male adults (age 25-38 years). A numerical model of heat transfer in tissues and CFD model of surrounding air (natural convection) was proposed. Simulation results were validated against experimental data.
PL
W pracy zaprezentowano wstępne wyniki modelowania numerycznego procesów wymiany ciepła w rejonie skóry przedramienia poddanej termostymulacji (łagodnego ochładzania). Do ochładzania użyto kompresów mosiężnych. Przeanalizowano proces powrotu skóry do stanu sprzed termostymulacji. Przy użyciu kamery termowizyjnej zarejestrowano rozkład temperatury dla N = 14 próbek w grupie 8 przebadanych dorosłych mężczyzn (w wieku 25-38 lat). Zaproponowano model numeryczny przepływu ciepła w tkankach przedramienia oraz w otaczającym je powietrzu (w warunkach konwekcji swobodnej). Wyniki symulacji zostały poddane walidacji przy użyciu danych pochodzących z pomiarów.
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.