Я сравнила четыре архитектуры на КТ грудной клетки: UNet 3+ и nnU-Net v2 для сегментации узлов (LIDC-IDRI), EfficientNet-B0 и Swin-Tiny для классификации срезов. В классификации Swin-Tiny точнее (accuracy 0,924 против 0,832, один запуск). В сегментации честного сравнения не получилось: на подвыборке из 113 обучающих узлов ни одна из самописных сетей не обобщилась (Dice на тесте 0,01–0,02), и я разбираю, почему. Читать далее
Искусственные нейронные сети (ИНС) — мощный инструмент в области компьютерного зрения, особенно в задачах классификации изображений. Эта область применения была одной из первых, для которой ИНС были разработаны. Например, перцептрон Розенблатта [1], созданный в 1957 году, является
Нейросети для генерации изображений развиваются очень быстро, при этом количество пользователей генераторов для создания изображений каждый день становится больше. В этой статье я расскажу про 9 топовых нейросетей для создания изображений, которые вам обязательно нужно…
Мой первый любительский проект по классификации изображений со светлоклеточным раком почки, используя модели глубокого обучения, имплементированные на Keras. Весь пайплайн включал такие этапы, как:1) Получение полнослайдовых изображений (WSI) – подготовка датасета.2) Аннотация изображений3) Получение готового датасета (Train, Validation и Test)4) Выбор и тренировка моделей5) Тестирование моделей Читать далее