Speaker
Description
Обработка МРТ изображений является одной из основных задач исследовательской и практической медицины, посещенной работе с графическими данными. С ростом популярности нейросетевых алгоритмов для обработки изображений, появляется всё больше работ посвященных их применению [1]. Но для внедрения необходимо преодолеть сложности, связанные как с использованием оборудования с ограниченными вычислительными возможностями, так и устаревшего оборудования, установленного в медицинских учреждениях.
В работе будет предоставлен один из возможных способов решения возникающий при внедрениях задач – оптимизация нейросетевых алгоритмов с помощью квантования нейронных сетей. В качестве и тестовой архитектуры использована архитектура Xception[2]. На примере этой сети проведены исследования различных подходов к квантованию при решении выбранной прикладной задачи детекции объектов на различном оборудовании. Использованный набор данных содержит 49 трёхмерных изображений магнитно-резонансной томографии состоящие из набора снимков. Размеченные снимки для обучения сети были предоставлены коллегами из Института цитологии и генетики СО РАН.
Список литературы
1. Dishar H.K., Muhammed L. A.: Detection Brain Tumor Disease Using a Combination of Xception and NASNetMobile // International Journal of Advances in Soft Computing & Its Applications, 2023, vol. 15, issue 2, p. 325.
2. Chollet F. Xception: Deep Learning with Depthwise Separable Convolutions // 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2017. doi: 10.1109/cvpr.2017.195
| Секция конференции | Методы искусственного интеллекта и машинного обучения |
|---|
