Skip Navigation Links
Strona główna/Home
Rada Naukowa/Scientific Council
Redakcja/Editorial office
Dla Autorów/For Authors
Recenzenci/Reviews
Wyszukaj/Search
Archiwum/Archives
Kontakt/Contact
Prenumerata/Subscription

Jesteś gościem nr:
532598
   

Szczegóły artykułu:

Wydawnictwo: Academic Journals Poznan University of Technology

Numer: 104/2020 Str: 35


Autorzy: Estera Kot, Krzysztof Siwek, Ewelina Winska


Tytuł: ARCHITEKTURA PLATFORMY KORZYSTAJĄCEJ Z METOD UCZENIA MASZYNOWEGO DO PRZETWARZANIA OBRAZÓW BIOMEDYCZNYCH W CHMURZE


Streszczenie: W artykule zaproponowana została architektura korzystająca z chmury Microsoft Azure umożliwiająca uruchomienie algorytmów uczenia maszynowego służących do wykrywania guzów mózgu z zestawu obrazów DICOM. Przedstawiony został proces wdrożenia modelu z uwzględnieniem integracji z infrastrukturą jednostki wykonującej badania medyczne. Zwrócono uwagę na bezpieczeństwo danych i ograniczenia typowe dla danych medycznych. Wskazano dalsze perspektywy rozwoju omawianego rozwiązania.


Słowa kluczowe: obrazy biomedyczne, architektura, chmura, glejak, przetwarzanie obrazów, uczenie maszynowe.


[PDF]