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)
Por favor use este identificador para citas ou ligazóns a este item: http://elartu.tntu.edu.ua/handle/lib/51061

Rexistro de metadatos completo
Campo DCValorIdioma
dc.contributor.authorІванюк, А.
dc.contributor.authorМатійчук, Л.
dc.contributor.authorIvanyuk, A.
dc.contributor.authorMatiichuk, L.
dc.coverage.temporal17-18 грудня 2025 року
dc.coverage.temporal17-18 December 2025
dc.date.accessioned2026-01-05T10:13:44Z-
dc.date.available2026-01-05T10:13:44Z-
dc.date.created2025-12-17
dc.date.issued2025-12-17
dc.identifier.citationІванюк 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).
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/51061-
dc.format.extent42-43
dc.language.isouk
dc.publisherТНТУ
dc.publisherTNTU
dc.relation.ispartofМатеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології“, 2025
dc.relation.ispartofMaterials of the ⅩⅢ Scientific and Technical Conference “Information Models, Systems, and Technologies”, 2025
dc.titleПорівняльний аналіз класичних та глибинних методів сегментації судинних структур
dc.title.alternativeComparative analysis of classic and deep methods of segmentation of vascular structures
dc.typeConference Abstract
dc.rights.holder© Тернопільський національний технічний університет імені Івана Пулюя, 2025
dc.coverage.placenameТернопіль
dc.coverage.placenameTernopil
dc.format.pages2
dc.subject.udc004.932.2
dc.relation.referencesen1. Suri J.S. et al. Medical image segmentation based on deformable models and its applications. In: Deformable Models: Theory and Biomaterial Applications. Springer, 2007.
dc.relation.referencesen2. Liu X. et al. A Review of Deep-Learning-Based Medical Image Segmentation Methods. Sustainability. 2021;13:1224.
dc.relation.referencesen3. Litjens G. et al. A survey on deep learning in medical image analysis. Medical Image Analysis. 2017;42:60–88.
dc.relation.referencesen4. Ronneberger O. et al. U-Net: Convolutional Networks for Biomedical Image Segmentation. In: MICCAI. 2015.
dc.relation.referencesen5. Çiçek Ö. et al. 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation. In: MICCAI. 2016.
dc.relation.referencesen6. 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.
dc.relation.referencesen7. Tafforeau P. et al. Imaging intact human organs with local resolution of cellular structures using hierarchical phase-contrast tomography. Nature Methods. 2021.
dc.relation.referencesen8. Yagi S. et al. Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney. Scientific Reports. 2024.
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюя, Україна
dc.citation.journalTitleМатеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології“
dc.citation.spage42
dc.citation.epage43
dc.citation.conferenceⅩⅢ науково-технічна конференція „Інформаційні моделі, системи та технології“
dc.identifier.citation2015Іванюк 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.
dc.identifier.citationenAPAIvanyuk, 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].
dc.identifier.citationenCHICAGOIvanyuk 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].
Aparece nas ColecciónsⅩⅢ науково-технічна конференція „Інформаційні моделі, системи та технології“ (2025)

Arquivos neste item
Arquivo Descrición TamañoFormato 
IMST_2025_Ivanyuk_A-Comparative_analysis_of_classic_42-43.pdf318,09 kBAdobe PDFVer/abrir
IMST_2025_Ivanyuk_A-Comparative_analysis_of_classic_42-43__COVER.png531,44 kBimage/pngVer/abrir
Mostrar o rexistro en formato simple


Todos os documentos en Dspace estan protexidos por copyright, con todos os dereitos reservados