Моделі та методи напівконтрольованого навчання для задач обробки медичних зображень

Abstract

Метою роботи є розробка, аналіз та обґрунтування ефективних моделей напівконтрольованого навчання, орієнтованих на підвищення точності класифікації та семантичної сегментації медичних зображень. Об’єктом дослідження є процеси напівконтрольованого навчання в системах автоматизованої обробки та аналізу медичних зображень. Предметом дослідження є моделі, методи та алгоритми напівконтрольованого навчання, що забезпечують підвищення точності обробки медичних зображень. Результати дослідження В роботі проведено дослідження можливостей і обмежень застосування напівконтрольованих методів у задачах класифікації та семантичної сегментації медичних зображень. Висновок Визначено, що поєднання глибоких моделей з неміченими даними дає змогу суттєво підвищити якість прогнозування у випадках, коли кількість мічених даних є обмеженою. Досліджено механізми збурень у напівконтрольованому навчанні, включаючи інваріантність моделей до деформацій, шумів та трансформацій