MLOPS ПІДХІД ДЛЯ АВТОМАТИЧНОЇ СЕГМЕНТАЦІЇ ЗОБРАЖЕНЬ
DOI:
https://doi.org/10.31891/2307-5732-2025-355-66Ключові слова:
Глибоке навчання, мікросервіси, архітектура програмного забезпечення, біомедичні зображенняАнотація
Розробка штучного інтелекту та алгоритмів класифікації та сегментації зображень значною мірою сприяла розвитку технологій у сфері автоматичної діагностики з мінімальною участю людини. Ключовою особливістю цього типу завдань є необхідність використання великої кількості даних та потреба у значних обчислювальних ресурсах. Також існує потреба у використанні хмарних обчислень для спільної роботи над проектами. При аналізі таких специфічних та складних зображень, як імуногістохімічні, гістологічні та цитологічні, використання лише алгоритмів підходу є недостатнім. Тому поширення набуло використання згорткових нейронних мереж з архітектурою U-net для автоматичної сегментації. У цій статті запропоновано структуру життєвого циклу сегментації біомедичних зображень на основі практики MLOps. Особливістю цього підходу є розробка механізму обробки зображень за допомогою масок зображень.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 ОЛЕГ ПІЦУН, МИКОЛА БЕРЕЗЬКИЙ, МИРОСЛАВ ШИМЧУК (Автор)

Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.