1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
2. Матеріали конференцій, семінарів, читань
3. 2025
4. ⅩⅢ науково-технічна конференція „Інформаційні моделі, системи та технології“ (2025)

Tytuł:	Порівняльний аналіз класичних та глибинних методів сегментації судинних структур
Inne tytuły:	Comparative analysis of classic and deep methods of segmentation of vascular structures
Authors:	Іванюк, А. Матійчук, Л. Ivanyuk, A. Matiichuk, L.
Affiliation:	Тернопільський національний технічний університет імені Івана Пулюя, Україна
Bibliographic description (Ukraine):	Іванюк А. Порівняльний аналіз класичних та глибинних методів сегментації судинних структур / А. Іванюк, Л. Матійчук // Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології“, 17-18 грудня 2025 року. — Т. : ТНТУ, 2025. — С. 42–43. — (Математичне моделювання).
Bibliographic reference (2015):	Іванюк А., Матійчук Л. Порівняльний аналіз класичних та глибинних методів сегментації судинних структур // Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології“, Тернопіль, 17-18 грудня 2025 року. 2025. С. 42–43.
Bibliographic citation (APA):	Ivanyuk, A., & Matiichuk, L. (2025). Porivnialnyi analiz klasychnykh ta hlybynnykh metodiv sehmentatsii sudynnykh struktur [Comparative analysis of classic and deep methods of segmentation of vascular structures]. Materials of the ⅩⅢ Scientific and Technical Conference “Information Models, Systems, and Technologies”, 17-18 December 2025, Ternopil, 42-43. TNTU. [in Ukrainian].
Bibliographic citation (CHICAGO):	Ivanyuk A., Matiichuk L. (2025) Porivnialnyi analiz klasychnykh ta hlybynnykh metodiv sehmentatsii sudynnykh struktur [Comparative analysis of classic and deep methods of segmentation of vascular structures]. Materials of the ⅩⅢ Scientific and Technical Conference “Information Models, Systems, and Technologies” (Tern., 17-18 December 2025), pp. 42-43 [in Ukrainian].
Część publikacji:	Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології“, 2025 Materials of the ⅩⅢ Scientific and Technical Conference “Information Models, Systems, and Technologies”, 2025
Konferencja/wydarzenie:	ⅩⅢ науково-технічна конференція „Інформаційні моделі, системи та технології“
Journal/kolekcja:	Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології“
Data wydania:	17-gru-2025
Date of entry:	5-sty-2026
Wydawca:	ТНТУ TNTU
Place edycja:	Тернопіль Ternopil
Zakresu czasowego:	17-18 грудня 2025 року 17-18 December 2025
UDC:	004.932.2
Strony:	2
Zakres stron:	42-43
Główna strona:	42
Strona końcowa:	43
URI:	http://elartu.tntu.edu.ua/handle/lib/51061
Właściciel praw autorskich:	© Тернопільський національний технічний університет імені Івана Пулюя, 2025
References:	1. Suri J.S. et al. Medical image segmentation based on deformable models and its applications. In: Deformable Models: Theory and Biomaterial Applications. Springer, 2007. 2. Liu X. et al. A Review of Deep-Learning-Based Medical Image Segmentation Methods. Sustainability. 2021;13:1224. 3. Litjens G. et al. A survey on deep learning in medical image analysis. Medical Image Analysis. 2017;42:60–88. 4. Ronneberger O. et al. U-Net: Convolutional Networks for Biomedical Image Segmentation. In: MICCAI. 2015. 5. Çiçek Ö. et al. 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation. In: MICCAI. 2016. 6. Khouy I.A. et al. Medical Image Segmentation Using Automatic Optimized U-Net Architecture Based on Genetic Algorithm. Journal of Personalized Medicine. 2023;13(9):1298. 7. Tafforeau P. et al. Imaging intact human organs with local resolution of cellular structures using hierarchical phase-contrast tomography. Nature Methods. 2021. 8. Yagi S. et al. Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney. Scientific Reports. 2024.
Typ zawartości:	Conference Abstract
Występuje w kolekcjach:	ⅩⅢ науково-технічна конференція „Інформаційні моделі, системи та технології“ (2025)

Pozycje DSpace są chronione prawami autorskimi