U-Net для сегментации легких с высокой точностью
Модель U-Net для автоматической бинарной сегментации легких с точностью 99.13%.
О сервисе
Обзор модели Эта модель представляет собой архитектуру U-Net , разработанную для задач бинарной сегментации , обычно используемых в обработке изображений, например, в медицинской визуализации или сегментации спутниковых снимков. Модель U-Net имеет структуру энкодер-декодера с сокращающим путём (энкодером) для извлечения признаков и расширяющимся путём (декодером) для повышения разрешения и реконструкции изображения. Она особенно эффективна для классификации на уровне пикселей, что делает её идеальной для таких задач, как сегментация, где требуются как входные изображения, так и соответствующие им маски сегментации. Размер входа : (512, 512, 1) (изображения в градациях серого) Размер выхода : (512, 512, 1) (бинарная маска сегментации) Функция потерь : Бинарная кросс-энтропия (BCE) Метрики : Точность, коэффициент Дайса и индекс Жаккара (IoU) Оптимизатор : Оптимизатор Adam Метрики качества Точность : 99.13% Коэффициент Дайса : 0.9768 Индекс Жаккара : 0.9546 Ссылки iamtapendu/lung-segmentation-model на Kaggle Источник: https://qubu.ai/models/u-net-dlya-segmentatsii-legkikh-s-vysokoi-tochnostyu License: MIT
