МЕНЮ:

Главная
Диссертация
Перечень ссылок
Отчёт о поиске
Индивидуальное задание
Библиотека
Сайт ДонНТУ
Магистры ДонНТУ
Близкая Ольга Владимировна

Близкая Ольга Владимировна

      Факультет: Компьютерных информационных технологий и автоматики (ФКИТА)
      Кафедра: Автоматизированные системы управления (АСУ)
      Специальность: Компьютерные системы диагностики в медицине и технике
      Группа: КСД-00а
      Тема магистерской работы: Разработка методов и алгоритмов обработки
      медицинских изображений с использованием методов искусственного интеллекта
      Руководитель: проф., зав. каф. АСУ, Скобцов Юрий Александрович

ПишитеE-mail: blizkayaolga@mail.ru

Электронная библиотека

по теме "Разработка методов и алгоритмов обработки медицинских изображений с использованием методов искусственного интеллекта"

Собственный материал:

1. Близкая О.В. "Разработка метода обработки изображений на основе метода нелинейной низкочастотной фильтрации с использованием нейроподобной структуры на основе преобразования Фурье". Статья содержит информацию по теме моей магистерской работы. Просмотр [.htm]

Прочее:

2. СОЙФЕР В.А. КОМПЬЮТЕРНАЯ ОБРАБОТКА ИЗОБРАЖЕНИЙ. ЧАСТЬ 1. МЕТОДЫ И АЛГОРИТМЫ [.pdf]

В статье рассмотрены основы компьютерной обработки изображений. Построены математические модели изображений и изображающих оптических систем. Рассмотрены процедуры дискретизации и дискретные представления изображений с помощью двумерных последовательностей. Изложены основные методы компьютерной обработки изображений. Рассмотрены поэлементные преобразования изображений, которые включают линейное контрастирование, пороговую обработку и препарирование. Даны методы и алгоритмы выделения контуров на изображениях.

Ссылка: http://www.issep.rssi.ru/pdf/9602_118.pdf

3. СОЙФЕР В.А. КОМПЬЮТЕРНАЯ ОБРАБОТКА ИЗОБРАЖЕНИЙ. ЧАСТЬ 2. МЕТОДЫ И АЛГОРИТМЫ [.pdf]

Детально описано обработка изображений скользящим окном. Введены модели помех при регистрации изображений и предложены соответствующие им методы и алгоритмы фильтрации помех: линейные и медианные фильтры. Рассмотрены некоторые прикладные задачи: анализ препаратов крови, изображений глазного дна и дактилоскопических изображений.

Ссылка: http://www.issep.rssi.ru/pdf/9603_110.pdf

4. НЕЙМАРК Ю.И. МНОГОМЕРНАЯ ГЕОМЕТРИЯ И РАСПОЗНАВАНИЕ ОБРАЗОВ [.pdf]

Рассказывается о математических моделях распознавания образов, о моделях объекта, образа, распознавания и обучения распознаванию.

Ссылка: http://www.issep.rssi.ru/pdf/9607_119.pdf

5. Грузман И.С. Математические задачи компьютерной томографии [.pdf]

Рассмотрены методы получения проекционных данных и восстановления томографических изображений на основе интегральных преобразований Радона.

Ссылка: http://www.issep.rssi.ru/pdf/0105_117.pdf

6. ГОРБАНЬ А.Н. Функции многих переменных и нейронные сети [.pdf]

Обсуждается представление функций многих переменных с помощью функций одного переменного. Дано введение в теорию искусственных нейронных сетей. Показано, что с помощью нейронных сетей можно сколь угодно точно вычислить любую непрерывную функцию.

Ссылка: http://www.issep.rssi.ru/pdf/9812_105.pdf

7. Методы и средства анализа медико-биологической информации [.pdf]. Таганрогский государственный радиотехнический университет Кафедра ЭГА и МТ

Ссылка: http://www.tsure.ru/rcnit/pdf/2.pdf

8. А.Л. Приоров, Е.Ю. Саутов, Е.А. Соколенко, В.В. Хрящёв "Клеточные нейронные сети в задачах фильтрации изображений" [.pdf]

Предложена математическая модель клеточной нейронной сети, работающей в дискретном времени. Показана возможность применения такой системы к фильтрации цифровых сигналов и изображений. Приведены примеры однослойных и двухслойных клеточных нейронных сетей для обработки цифровых сигналов.

Ссылка: http://pitis.tsure.ru/files14/03.pdf

9. Нейронные сети - математический аппарат. Лаборатория Base Group. [.htm]

В статье рассмотрен математический аппарат построения нейронных сетей.

Ссылка: http://www.basegroup.ru/neural/math.htm

10. РАСПОЗНАВАНИЕ РАСТРОВЫХ ИЗОБРАЖЕНИЙ С ПОМОЩЬЮ ДИНАМИЧЕСКОЙ НЕЙРОННОЙ СЕТИ, ЗАДАННОЙ В ПРОСТРАНСТВЕ КОМПЛЕКСНЫХ ЧИСЕЛ. [.pdf] А.А. Юдашкин Институт проблем управления сложными системами РАН, г. Самара

Представлен новый метод распознавания растровых изображений, для каждой точки которых введены две характеристики. Изображение переводится в вектор с комплексными элементами, отвечающими характеристикам точек исходного образа. Распознавание производится с помощью модели динамической нейронной сети с конкуренцией, в которой каждый искусственный нейрон характеризуется комплексным уровнем активности. В процессе распознавания ненулевым по абсолютной величине остается только уровень активности нейрона, отвечающего запомненному образу, наиболее похожему на предъявленный.

Ссылка: http://www.ssc.smr.ru/ftp/2003/ssc51127.pdf

начало