Адаптация алгоритмов нейронных сетей для практического применения в научных исследованиях морфологического состояния центральной нервной системы экспериментальных животных

Боковая панель статьи

PDF
Опубликован: сен 16, 2021
Ключевые слова:
машинное обучение, anaconda, python, нейрон, нейроморфология anaconda, python, machine learning, neuron, neuromorphology

Основное содержимое статьи

И.А. Колесникова
ГБОУ ВО МО «Университет «Дубна», 141980, Московская обл., г. Дубна, ул. Университетская, 19
А.Н. Аверкин
ГБОУ ВО МО «Университет «Дубна», 141980, Московская обл., г. Дубна, ул. Университетская, 19
А.И. Большаков
ООО «Связь инжиниринг КБ», Дубна, ул. Большеволжская, д. 19
И.С. Воробьев
Европейская Медиагруппа, Москва, ул. Станиславкого, 21, стр. 5
Ю.С. Северюхин
Объединенный институт ядерных исследований, 141980, Московская обл., г. Дубна, ул. Жолио-Кюри, 6

Аннотация

В работе рассматривается возможность использования свёрточных нейронных сетей для нейроморфологических исследований ткани головного мозга. Решение задачи осуществляется с помощью дистрибутива Anaconda. Получены первые результаты обучения нейронной сети: распознавание структуру мозга - гиппокампа, определение числа нервных клеток на снимке

Скачивания

Данные скачивания пока недоступны.

Информация о статье

Как цитировать
[1]
Колесникова , И., Аверкин, А., Большаков , А., Воробьев , И. и Северюхин, Ю. 2021. Адаптация алгоритмов нейронных сетей для практического применения в научных исследованиях морфологического состояния центральной нервной системы экспериментальных животных. Системный анализ в науке и образовании. 2 (сен. 2021), 18–24.
Выпуск
№ 2 (2018): №2 (2018)
Раздел
Статьи

Библиографические ссылки

Рашка С. Python и машинное обучение // Москва. — 2017. — Т. 418.

Грас Дж. Data Science. Наука о данных с нуля: Пер. с англ. — СПб.: БХВ-Петербург, 2017. — 336 с.: ил.

Garman R. H. Histology of the central nervous system // Toxicologic pathology. — 2011. — Т. 39. — №. 1. — С. 22-35.

Григорьев А. И., Красавин Е. А., Островский М. А. К оценке риска биологического действия галактических тяжелых ионов в условиях межпланетного полета // Российский физиологич. журн. им. ИМ Сеченова. — 2013. — Т. 99. — №. 3. — С. 273-280.

Гудфеллоу Я., Иошуа Б., Курвилль А. Глубокое обучение. — Litres, 2017.

Николенко С. И., Кадурин А. А., Архангельская Е. О. Глубокое обучение. — «Издательский дом «Питер»», 2017.

Защита персональных данных пользователей и сотрудников библиотеки. — [Электронный ресурс]. — Режим доступа: https://www.programmableweb.com/news/top-10-machine-learningapis-att- speech-ibm- watson-google- prediction/analysis/2015/08/03. — Дата обращения: 29.01.2018.

Защита персональных данных пользователей и сотрудников библиотеки. — [Электронный ресурс]. — Режим доступа: https://www.kairos.com/blog/face-recognition-kairos-vs-microsoft-vsgoogle-vs-amazon-vs-opencv. — Дата обращения: 25.01.2018.

Защита персональных данных пользователей и сотрудников библиотеки. — [Электронный ресурс]. – Режим доступа: https://www.ibm.com/developerworks/community/blogs/ibmandgoogle/

entry/Comparing_IBM_Watson_and_Google_Cloud_Vision_Recognition?Lang=ru. — Дата обращения: 01.02.2018.

Защита персональных данных пользователей и сотрудников библиотеки. — [Электронный ресурс]. — Режим доступа: http://robocraft.ru/blog/computervision/264.html. — Дата обращения: 25.01.2018.

Защита персональных данных пользователей и сотрудников библиотеки. — [Электронный ресурс]. — Режим доступа: https://habrahabr.ru/post/309508/. — Дата обращения: 08.02.2018.

Sineglazov V. M., Omelchenko M. O., Hotsyanivskyy V. P. Comparative characteristics of keras and lasagne machine learning packages. — 2017.