Analysis of Deep Neural Networks for Detection of Coronary Artery Stenosis (Запись № 665005)
[ простой вид ]
000 -Маркер | |
---|---|
Поле контроля фиксированной длины | 03536nlm1a2200385 4500 |
005 - Идентификатор версии | |
Поле контроля фиксированной длины | 20231030041949.0 |
035 ## - Другие системные номера | |
Идентификатор записи | (RuTPU)RU\TPU\network\36204 |
035 ## - Другие системные номера | |
Идентификатор записи | RU\TPU\network\33381 |
100 ## - Данные общей обработки | |
Данные общей обработки | 20210621a2021 k y0engy50 ba |
101 0# - Язык ресурса | |
Язык текста, звукозаписи и т.д. | английский |
102 ## - Страна публикации или производства | |
Страна публикации | |
135 ## - Поле кодированных данных: электронные ресурсы | |
Кодированные данные для электронного ресурса | drcn ---uucaa |
181 #0 - Поле кодированных данных: вид содержания | |
Код вида содержания | i |
182 #0 - Поле кодированных данных: средство доступа | |
Код средства доступа | electronic |
200 1# - Заглавие и сведения об ответственности | |
Основное заглавие | Analysis of Deep Neural Networks for Detection of Coronary Artery Stenosis |
Первые сведения об ответственности | V. V. Danilov, O. M. Gerget, K. Yu. Klyshnikov [et al.] |
203 ## - Вид содержания и средство доступа | |
Вид содержания | |
Средство доступа | |
300 ## - Общие примечания | |
Текст примечания | Title screen |
320 ## - Примечания о наличии в ресурсе библиографии/указателя | |
Текст примечания | [References: 19 tit.] |
330 ## - Резюме или реферат | |
Текст примечания | This paper describes an approach based on machine learning technology that is of particular interest for the localization and characterization of both single focal stenoses and multivessel multifocal lesions. Due to the complexity of analyzing large amounts of data for the cardiac surgeon, we pay special attention to the analysis, training, and comparison of popular neural networks that classify and localize foci of stenosis on coronary angiography data. From the complete coronarography dataset collected at the Research Institute for Complex Issues of Cardiovascular Diseases, we retrospectively select data of 100 patients. For the automated analysis of the medical data, the paper considers in detail three models (SSD MobileNet V1, Faster-RCNN ResNet-50 V1, and Faster-RCNN NASNet), which differ in their architecture, complexity, and the number of weights. The models are compared in terms of their basic efficiency characteristics: accuracy, training time, and prediction time. The test results show that the training and prediction times are directly proportional to the complexity of the models. In this regard, Faster-RCNN NASNet exhibits the lowest prediction time (the average processing time for one image is 880 ms), while Faster-RCNN ResNet-50 V1 has the highest prediction accuracy. The latter model reaches the mean average precision (mAP) level of 0.92 on the validation dataset. On the other hand, SSD MobileNet V1 is the fastest model, capable of making predictions with a prediction rate of 23 fps. |
333 ## - Примечания об особенностях распространения и использования | |
Текст примечания | |
461 ## - Уровень набора | |
Заглавие | Programming and Computer Software |
463 ## - Уровень физической единицы | |
Заглавие | Vol. 47, iss. 3 |
Обозначение тома | [P. 153-160] |
Дата публикации | 2021 |
610 1# - Неконтролируемые предметные термины | |
Предметный термин | электронный ресурс |
610 1# - Неконтролируемые предметные термины | |
Предметный термин | труды учёных ТПУ |
701 #1 - Имя лица – альтернативная ответственность | |
Начальный элемент ввода | Danilov |
Часть имени, кроме начального элемента ввода | V. V. |
Дополнения к именам, кроме дат | specialist in the field of informatics and computer technology |
-- | engineer of Tomsk Polytechnic University |
Даты | 1989- |
Расширение инициалов личного имени | Vyacheslav Vladimirovich |
-- | stltpush |
Идентификатор авторитетной/ нормативной записи | (RuTPU)RU\TPU\pers\37831 |
701 #1 - Имя лица – альтернативная ответственность | |
Начальный элемент ввода | Gerget |
Часть имени, кроме начального элемента ввода | O. M. |
Дополнения к именам, кроме дат | Specialist in the field of informatics and computer technology |
-- | Associate Professor of Tomsk Polytechnic University, Candidate of technical sciences |
Даты | 1974- |
Расширение инициалов личного имени | Olga Mikhailovna |
-- | stltpush |
Идентификатор авторитетной/ нормативной записи | (RuTPU)RU\TPU\pers\31430 |
701 #1 - Имя лица – альтернативная ответственность | |
Начальный элемент ввода | Klyshnikov |
Часть имени, кроме начального элемента ввода | K. Yu. |
Расширение инициалов личного имени | Kirill Yurjevich |
701 #1 - Имя лица – альтернативная ответственность | |
Начальный элемент ввода | Frangi |
Часть имени, кроме начального элемента ввода | A. |
Расширение инициалов личного имени | Alejandro |
701 #1 - Имя лица – альтернативная ответственность | |
Начальный элемент ввода | Ovcharenko |
Часть имени, кроме начального элемента ввода | E. A. |
Расширение инициалов личного имени | Evgeny Andreevich |
712 02 - Наименование организации – вторичная ответственность | |
Начальный элемент ввода | Национальный исследовательский Томский политехнический университет |
Структурное подразделение | Инженерная школа информационных технологий и робототехники |
-- | Отделение информационных технологий |
-- | 7951 |
-- | stltpush |
Идентификатор авторитетной/ нормативной записи | (RuTPU)RU\TPU\col\23515 |
801 #2 - Источник записи | |
Страна | RU |
Организация | 63413507 |
Дата составления | 20210621 |
Правила каталогизации | RCR |
856 4# - Местонахождение электронных ресурсов и доступ к ним | |
Универсальный идентификатор ресурса | https://doi.org/10.1134/S0361768821030038 |
090 ## - System Control Numbers (Koha) | |
Koha biblioitem number (autogenerated) | 665005 |
942 ## - Добавленные элементы ввода (Коха) | |
Тип документа | Computer Files |
Нет доступных единиц.