id int64 18 18.8k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 14:51:09 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 14:51:09 | doc_name stringclasses 1
value | input stringlengths 11 9.24k | output stringlengths 0 738 | is_personal bool 2
classes | is_sentence bool 2
classes | is_corrected bool 2
classes |
|---|---|---|---|---|---|---|---|---|
2,957 | 2026-02-23T11:51:26.522000Z | 2026-02-23T11:51:26.522000Z | Lec. | T2-взвешнные — основаны на времени поперечной релаксации (другими словами, на времени затухания поперечной намагниченности тканей) | false | true | false | |
2,956 | 2026-02-23T11:51:24.680000Z | 2026-02-23T13:27:13.836000Z | Lec. | Жировая ткань ярко выделена, вода и спинномозговая жидкость подсвечиваются темным цветом | Жиросодержащая ткань ярко выделена, вода и спинномозговая жидкость подсвечиваются темным цветом | false | true | true |
2,955 | 2026-02-23T11:51:22.983000Z | 2026-02-23T13:41:20.105000Z | Lec. | T1-взвешенные — основаны на времени продольной релаксации, т.е. на времени восстановления намагниченности тканей вдоль основного магнитного поля | T1-взвешенных — основаны на времени продольной релаксации, т.е. на времени восстановления намагниченности тканей вдоль основного магнитного поля. | false | true | true |
2,954 | 2026-02-23T11:51:21.161000Z | 2026-02-23T11:51:21.161000Z | Lec. | Датасет состоит из изображений двух различных видов: | true | true | false | |
2,953 | 2026-02-23T11:51:19.527000Z | 2026-02-23T11:51:19.527000Z | Lec. | Тургенева Мошкиным Андреем Сергеевичем | true | false | false | |
2,952 | 2026-02-23T11:51:17.884000Z | 2026-02-23T11:51:17.884000Z | Lec. | Датасет с МРТ-изображениями позвоночных артерий был предоставлен кандидатом медицинских наук из Орловского Государственного Университета имени И.С | true | true | false | |
2,951 | 2026-02-23T11:51:16.082000Z | 2026-02-23T11:51:16.082000Z | Lec. | Датасет состоит из примеров (образцов), каждый из которых содержит признаки (features), и, в случае обучения с учителем, целевые значения (target) | false | true | false | |
2,950 | 2026-02-23T11:51:13.490000Z | 2026-02-23T11:51:13.490000Z | Lec. | Датасет в машинном обучении – структурированная коллекция данных, используемая для обучения, тестирования и валидации моделей | false | true | false | |
2,949 | 2026-02-23T11:51:11.619000Z | 2026-02-23T11:51:11.619000Z | Lec. | Работа с датасетом | false | true | false | |
2,948 | 2026-02-23T11:51:09.502000Z | 2026-02-23T11:51:09.502000Z | Lec. | Содержательная часть | false | true | false | |
2,947 | 2026-02-23T11:51:07.759000Z | 2026-02-23T13:30:42.515000Z | Lec. | Отчет по практике | Отчет по практике. | false | true | true |
2,946 | 2026-02-23T11:51:06.004000Z | 2026-02-23T11:51:06.004000Z | Lec. | Решенная задача сегментации позвоночных артерий | false | true | false | |
2,945 | 2026-02-23T11:51:04.358000Z | 2026-02-23T13:27:32.542000Z | Lec. | Разработанный нейросетевой блок | Разработанный нейронный блок | false | true | true |
2,944 | 2026-02-23T11:51:02.711000Z | 2026-02-23T13:31:34.331000Z | Lec. | Планируемые результаты | Планируемые результаты | false | true | true |
2,943 | 2026-02-23T11:51:01.054000Z | 2026-02-23T15:54:19.934000Z | Lec. | Проверка работы нейросетевой модели с помощью необходимых метрик | Проверка работы нейронной сети с помощью необходимых метрик. | false | true | true |
2,942 | 2026-02-23T11:50:59.193000Z | 2026-02-23T11:50:59.193000Z | Lec. | Обучение нейросетевой модели | false | true | false | |
2,941 | 2026-02-23T11:50:57.437000Z | 2026-02-23T13:29:22.405000Z | Lec. | Реализация нейросетевой модели | Реализация нейронной модели | false | true | true |
2,940 | 2026-02-23T11:50:55.858000Z | 2026-02-23T13:40:17.594000Z | Lec. | Реализация методов предобработки МРТ изображений | Реализация методов предобработки изображений МРТ | false | true | true |
2,939 | 2026-02-23T11:50:53.811000Z | 2026-02-23T11:50:53.811000Z | Lec. | Задачи практики | false | true | false | |
2,938 | 2026-02-23T11:50:52.137000Z | 2026-02-23T17:24:33.322000Z | Lec. | Целью прохождения практики является реализация метода на основе нейронных сетей для нахождения размеров и позиций позвоночных артерий на изображениях МРТ | Целью прохождения практики является реализация метода на основе нейронных сетей для определения размеров и позиций позвоночных артерий на изображениях МРТ | false | true | true |
2,937 | 2026-02-23T11:50:50.177000Z | 2026-02-23T11:50:50.177000Z | Lec. | Руководитель. д.т.н., профессор МИЭМ НИУ ВШЭ. ____________________ А.Ю | true | true | false | |
2,936 | 2026-02-23T11:50:48.312000Z | 2026-02-23T11:50:48.312000Z | Lec. | Приходько. подпись И.О | true | true | false | |
2,935 | 2026-02-23T11:50:46.501000Z | 2026-02-23T11:50:46.501000Z | Lec. | Студент ___________________ Р.В | true | true | false | |
2,934 | 2026-02-23T11:50:44.869000Z | 2026-02-23T11:50:44.869000Z | Lec. | Отчет по преддипломной практике. по направлению 09.03.01 Информатика и вычислительная техника. студентов образовательной программы бакалавриата «Информатика и вычислительная техника» | false | true | false | |
2,933 | 2026-02-23T11:50:42.875000Z | 2026-02-23T16:19:05.417000Z | Lec. | Интеллектуальная система сегментации позвоночных артерий на изображениях МРТ | Интеллектуальная система сегментации позвоночно-артериальной системы на изображениях МРТ | false | true | true |
2,932 | 2026-02-23T11:50:40.684000Z | 2026-02-23T11:50:40.684000Z | Lec. | Приходько Роман Владимирович, группа БИВ214 | true | false | false | |
2,931 | 2026-02-23T11:50:38.910000Z | 2026-02-23T11:50:38.910000Z | Lec. | URL: https://streamlit.io/ (дата обращения: 20.03.2025). | false | false | false | |
2,930 | 2026-02-23T11:50:36.846000Z | 2026-02-23T11:50:36.846000Z | Lec. | Streamlit • A faster way to build and share data apps [Электронный ресурс] | false | false | false | |
2,929 | 2026-02-23T11:50:35.024000Z | 2026-02-23T16:36:33.231000Z | Lec. | URL: https://pytorch.org/ (дата обращения: 27.03.2025) | URL: https://pytorch.org/ (дата обращения: 27.03.2023) | false | true | true |
2,928 | 2026-02-23T11:50:32.990000Z | 2026-02-23T11:50:32.990000Z | Lec. | PyTorch [Электронный ресурс] | false | true | false | |
2,927 | 2026-02-23T11:50:30.545000Z | 2026-02-23T13:28:35.896000Z | Lec. | URL: https://www.python.org/ (дата обращения: 27.03.2025) | URL: https://www.python.org/ (дата обращения: 27.03.2024) | false | true | true |
2,926 | 2026-02-23T11:50:28.751000Z | 2026-02-23T13:38:46.960000Z | Lec. | Welcome to Python.org [Электронный ресурс] | Добро пожаловать на Python.org [Электронный ресурс] | false | true | true |
2,925 | 2026-02-23T11:50:26.813000Z | 2026-02-23T11:50:26.814000Z | Lec. | URL: https://www.jetbrains.com/pycharm/ | false | false | false | |
2,924 | 2026-02-23T11:50:25.359000Z | 2026-02-23T11:50:25.359000Z | Lec. | PyCharm [Электронный ресурс] | false | false | false | |
2,923 | 2026-02-23T11:50:22.882000Z | 2026-02-23T11:50:22.882000Z | Lec. | U-net: Convolutional networks for biomedical image segmentation //Medical image computing and computer-assisted intervention–MICCAI 2015: 18th international conference, Munich, Germany, October 5-9, 2015, proceedings, part III 18. – Springer international publishing, 2015. – С. 234-241 | false | true | false | |
2,922 | 2026-02-23T11:50:20.795000Z | 2026-02-23T11:50:20.795000Z | Lec. | Ronneberger O., Fischer P., Brox T | false | false | false | |
2,921 | 2026-02-23T11:50:18.925000Z | 2026-02-23T18:27:51.906000Z | Lec. | Isensee F. et al. nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation //Nature methods. – 2021. – Т. 18. – №. 2. – С. 203-211 | Isensee F. et al. nNu-Net: a self-configuring method for deep learning-based biomedical image segmentation //Nature methods. – 2021. – Т. 18. – №. 2. – С. 203-211 | false | true | true |
2,920 | 2026-02-23T11:50:16.934000Z | 2026-02-23T11:50:16.934000Z | Lec. | The medical segmentation decathlon //Nature communications. – 2022. – Т. 13. – №. 1. – С. 4128 | false | false | false | |
2,919 | 2026-02-23T11:50:14.727000Z | 2026-02-23T11:50:14.727000Z | Lec. | Antonelli M. et al | false | false | false | |
2,918 | 2026-02-23T11:50:12.985000Z | 2026-02-23T11:50:12.985000Z | Lec. | URL: https://www.msdmanuals.com/professional/cardiovascular-disorders/coronary-artery-disease/overview-of-coronary-artery-disease (дата обращения 19.03.2025) | false | false | false | |
2,917 | 2026-02-23T11:50:11.140000Z | 2026-02-23T11:50:11.140000Z | Lec. | Overview of Coronary Artery Disease [Электронный ресурс] | false | false | false | |
2,916 | 2026-02-23T11:50:09.287000Z | 2026-02-23T18:27:07.861000Z | Lec. | URL: https://gkb57.ru/info/337/ (дата обращения: 10.03.2025) | URL: https://gkb57.ru/info/337/ (дата обращения: 10.03.2023) | false | true | true |
2,915 | 2026-02-23T11:50:07.357000Z | 2026-02-23T11:50:07.357000Z | Lec. | Разрыв аневризмы сосудов головного мозга. [Электронный ресурс] | false | true | false | |
2,914 | 2026-02-23T11:50:05.619000Z | 2026-02-23T11:50:05.619000Z | Lec. | Динамика региональных показателей смертности от сердечно-сосудистых заболеваний и когнитивных нарушений в России. // Российский кардиологический журнал. –2023. – №5256. https://doi.org/10.15829/1560-4071-2023-5256 | false | false | false | |
2,913 | 2026-02-23T11:50:03.401000Z | 2026-02-23T11:50:03.401000Z | Lec. | Самородская И.В., Старинская М.А., Бойцов С.А | true | false | false | |
2,912 | 2026-02-23T11:50:01.873000Z | 2026-02-23T11:50:01.873000Z | Lec. | URL: https://www.who.int/ru/news-room/fact-sheets/detail/cardiovascular-diseases-%28cvds%29 (дата обращения 19.03.2025) | false | false | false | |
2,911 | 2026-02-23T11:49:59.837000Z | 2026-02-23T11:49:59.837000Z | Lec. | Сердечно-сосудистые заболевания (ССЗ) [Электронный ресурс] | false | true | false | |
2,910 | 2026-02-23T11:49:57.898000Z | 2026-02-23T11:49:57.898000Z | Lec. | Список литературы | false | true | false | |
2,909 | 2026-02-23T11:49:56.391000Z | 2026-02-23T11:49:56.391000Z | Lec. | Таким образом, в рамках проекта достигнута основная цель — создана работоспособная, автономная, клинически ориентированная система, сочетающая современные методы машинного обучения с практическими потребностями врачей | false | true | false | |
2,908 | 2026-02-23T11:49:54.749000Z | 2026-02-23T11:49:54.749000Z | Lec. | Полученные результаты подтвердили высокую точность и клиническую применимость системы | false | true | false | |
2,907 | 2026-02-23T11:49:52.971000Z | 2026-02-23T11:49:52.971000Z | Lec. | Результаты проекта были протестированы на реальных медицинских данных, предоставленных Медицинским институтом ФГБОУ ВО «Орловский государственный университет имени И.С | false | false | false | |
2,906 | 2026-02-23T11:49:51.042000Z | 2026-02-23T11:49:51.042000Z | Lec. | Система позволяет врачам без подготовки в области программирования легко загружать изображения, запускать процедуру инференса, визуализировать результаты и формировать PDF-отчеты, что делает решение практически применимым в клинических условиях и дает возможность использовать его не только для диагностики, но и для обр... | false | true | false | |
2,905 | 2026-02-23T11:49:48.989000Z | 2026-02-23T11:49:48.989000Z | Lec. | Особое внимание в проекте было уделено удобству конечного пользователя, что реализовано через создание интерфейса | false | true | false | |
2,904 | 2026-02-23T11:49:47.040000Z | 2026-02-23T11:49:47.040000Z | Lec. | Основу решения составила нейросетевая архитектура nnU-Net, продемонстрировавшая высокую точность при работе с ограниченным объемом размеченных данных, а также устойчивость к шумам и артефактам медицинских изображений | false | true | false | |
2,903 | 2026-02-23T11:49:45.054000Z | 2026-02-23T11:49:45.054000Z | Lec. | В ходе выполнения проекта была решена задача разработки программной системы для автоматической сегментации анатомических структур — сердца, аорты и легочной артерии — на изображениях компьютерной томографии (КТ) | false | true | false | |
2,902 | 2026-02-23T11:49:43.122000Z | 2026-02-23T11:49:43.122000Z | Lec. | Загрузка отчета | false | false | false | |
2,901 | 2026-02-23T11:49:37.969000Z | 2026-02-23T13:31:36.584000Z | Lec. | Экспорт PDF — пользователю доступна кнопка «Сохранить отчет (PDF)» (Рис. 25), чтобы скачать готовый отчет, включающий исходное изображение, маски, статистику по плотностям и визуализации | Экспорт PDF — пользователю доступна кнопка «Сохранить отчет (PDF)» (Рис. 25). Чтобы скачать готовый отчет, включающий исходное изображение, маски, статистику по плотностям и визуализации. | false | true | true |
2,900 | 2026-02-23T11:49:36.161000Z | 2026-02-23T11:49:36.162000Z | Lec. | Построение таблицы плотностей | false | true | false | |
2,899 | 2026-02-23T11:49:34.369000Z | 2026-02-23T15:48:50.152000Z | Lec. | Таблица плотностей (Рис. 24) — предоставляла сводную информацию по каждому классу: среднее значение, медиану, минимум, максимум и стандартное отклонение | Таблица плотностей (Рис. 24) — содержала сводную информацию по каждому классу: среднее значение, медиану, минимум, максимум и стандартное отклонение. | false | true | true |
2,898 | 2026-02-23T11:49:32.558000Z | 2026-02-23T11:49:32.558000Z | Lec. | Построение гистограммы | false | true | false | |
2,897 | 2026-02-23T11:49:30.913000Z | 2026-02-23T11:49:30.913000Z | Lec. | Гистограмма (Рис. 23) — отображала распределение плотностей в сегментированных областях | false | true | false | |
2,896 | 2026-02-23T11:49:29.074000Z | 2026-02-23T11:49:29.074000Z | Lec. | Построение карты плотности | false | false | false | |
2,895 | 2026-02-23T11:49:27.514000Z | 2026-02-23T13:46:53.803000Z | Lec. | Карта плотности (Рис. 22) — позволяла построить тепловую карту распределения плотностей (значений интенсивности) внутри каждой маски | Карта плотности (Рис. 22) позволяла построить тепловую карту распределения плотностей (значений интенсивности) внутри каждой маски. | false | true | true |
2,894 | 2026-02-23T11:49:25.749000Z | 2026-02-23T11:49:25.749000Z | Lec. | После визуальной проверки пользователь получил доступ к дополнительным аналитическим инструментам, расположенным под изображением: | true | true | false | |
2,893 | 2026-02-23T11:49:23.834000Z | 2026-02-23T13:44:58.955000Z | Lec. | При желании пользователю доступна возможность отключить отдельные структуры, чтобы сосредоточиться на анализе конкретной области | При желании пользователю доступна возможность. Чтобы сосредоточиться на анализе конкретной области, ему доступно отключение отдельных структур. | false | true | true |
2,892 | 2026-02-23T11:49:21.963000Z | 2026-02-23T11:49:21.963000Z | Lec. | Наложение помогает убедиться в корректности сегментации: область сердца занимала часть центра изображения, в то время как аорта была правильно локализована как округлая структура, расположенная перед позвоночником | false | true | false | |
2,891 | 2026-02-23T11:49:20.184000Z | 2026-02-23T11:49:20.184000Z | Lec. | Ниже чекбоксов отобразилось изображение с КТ-срезом (Рис. 21), на которое были наложены цветные маски предсказанных объектов | false | true | false | |
2,890 | 2026-02-23T11:49:18.502000Z | 2026-02-23T11:49:18.502000Z | Lec. | Пример работы чекбоксов | false | true | false | |
2,889 | 2026-02-23T11:49:16.194000Z | 2026-02-23T11:49:16.194000Z | Lec. | Легочная артерия(class=3) была отключена, так как отсутствует на представленном изображении | false | true | false | |
2,888 | 2026-02-23T11:49:14.208000Z | 2026-02-23T11:49:14.208000Z | Lec. | По умолчанию на изображении с примера были активированы два класса: сердце (class=1) и аорта (class=2) | false | true | false | |
2,887 | 2026-02-23T11:49:12.738000Z | 2026-02-23T11:49:12.738000Z | Lec. | Под информационным блоком размещены флажки для включения или отключения отображения различных классов (Рис. 21) | false | true | false | |
2,886 | 2026-02-23T11:49:10.923000Z | 2026-02-23T11:49:10.923000Z | Lec. | Пример работы выпадающего списка | false | true | false | |
2,885 | 2026-02-23T11:49:09.326000Z | 2026-02-23T11:49:09.326000Z | Lec. | Система определила, что объем содержит только один срез — Z=0 — и сообщила в информационном блок | false | true | false | |
2,884 | 2026-02-23T11:49:07.545000Z | 2026-02-23T11:49:07.545000Z | Lec. | В выпадающем списке интерфейса появились добавленые изображения (Рис. 20) | false | true | false | |
2,883 | 2026-02-23T11:49:05.706000Z | 2026-02-23T11:49:05.706000Z | Lec. | Через несколько секунд после нажатия кнопки предсказания система завершила обработку и автоматически перешла к следующему блоку — визуализации результатов | false | true | false | |
2,882 | 2026-02-23T11:49:03.913000Z | 2026-02-23T11:49:03.913000Z | Lec. | Все процессы происходили автоматически в фоне | false | true | false | |
2,881 | 2026-02-23T11:49:02.105000Z | 2026-02-23T13:38:08.065000Z | Lec. | Сохранила выходную маску, где каждая анатомическая структура закодирована своим классом (сердце — класс 1, аорта — класс 2, легочная артерия — класс 3) | Сохранила выходную маску, где каждая анатомическая структура закодирована своим классом (сердце — класс 1, аорта — класс 2, легочную артерию — класс 3) | false | true | true |
2,880 | 2026-02-23T11:49:00.383000Z | 2026-02-23T11:49:00.383000Z | Lec. | Запустила модель nnUNet для выполнения сегментации; | false | true | false | |
2,879 | 2026-02-23T11:48:58.755000Z | 2026-02-23T11:48:58.755000Z | Lec. | Назвала полученный файл в стандартизированном формате, например patient_e65a0b_0000.nii.gz; | false | true | false | |
2,878 | 2026-02-23T11:48:57.119000Z | 2026-02-23T13:28:15.411000Z | Lec. | Преобразовала полученный набор в формат .nii.gz, совместимый с моделью nnUNet; | Преобразовала полученный набор в формат .nii.gz, совместимый с моделью nnUNet. | false | true | true |
2,877 | 2026-02-23T11:48:55.156000Z | 2026-02-23T11:48:55.156000Z | Lec. | В результате система автоматически: | false | true | false | |
2,876 | 2026-02-23T11:48:53.562000Z | 2026-02-23T11:48:53.562000Z | Lec. | После проверки загруженных файлов пользователь нажал кнопку «Запуск предсказания» | false | true | false | |
2,875 | 2026-02-23T11:48:52.004000Z | 2026-02-23T11:48:52.004000Z | Lec. | Результат загрузки | false | true | false | |
2,874 | 2026-02-23T11:48:50.289000Z | 2026-02-23T13:27:38.057000Z | Lec. | У каждого файла появилась иконка для удаления, позволяющая при необходимости очистить список перед повторной загрузкой (Рис. 19) | У каждого файла появилась иконка для удаления, позволяющая при необходимости очистить список перед повторной загрузкой (Рис. 19). | false | true | true |
2,873 | 2026-02-23T11:48:48.540000Z | 2026-02-23T13:34:51.983000Z | Lec. | Интерфейс визуально отразил успешную загрузку, отобразив список всех загруженных файлов с их именами и размерами | Интерфейс визуально отразил успешную загрузку, отобразив список всех загруженных файлов с их именами и размерами. | false | true | true |
2,872 | 2026-02-23T11:48:46.774000Z | 2026-02-23T15:50:26.396000Z | Lec. | Пользователь зашел на веб-страницу системы и в блоке загрузки файлов перетащил три изображения в специально отведенную область | Пользователь зашёл на веб-страницу системы и в блоке загрузки файлов перетаскивал три изображения в специально отведенную область. | false | true | true |
2,871 | 2026-02-23T11:48:45.212000Z | 2026-02-23T13:47:19.762000Z | Lec. | В качестве исходных данных использовались три последовательных изображения в формате .jpg, имитирующих срезы одного пациента | В качестве исходных данных использовались три последовательных изображения в формате .jpg, имитирующие срезы одного пациента. | false | true | true |
2,870 | 2026-02-23T11:48:43.002000Z | 2026-02-23T13:35:56.884000Z | Lec. | Для демонстрации функциональности веб-системы была проведена сегментация набора КТ-снимков грудной клетки с целью выделения трех анатомических структур: сердца, аорты и легочной артерии | Для демонстрации функциональности веб-системы была проведена сегментация набора КТ-снимков грудной клетки. Целью этой сегментации было выделение трех анатомических структур: сердца, аорты и легочной артерии. | false | true | true |
2,869 | 2026-02-23T11:48:41.254000Z | 2026-02-23T13:24:38.696000Z | Lec. | Разработан и реализован полный программный комплекс для автоматической сегментации анатомических структур (сердце, аорта, легочная артерия) на КТ-снимках с использованием нейросетевой архитектуры nnU-Net | Разработан и реализован полный программный комплекс для автоматической сегментации анатомических структур (сердце, аорту, легочную артерию) на КТ-снимках с использованием нейросетевой архитектуры nnU-Net. | false | true | true |
2,868 | 2026-02-23T11:48:39.332000Z | 2026-02-23T11:48:39.332000Z | Lec. | Реализован модуль визуализации результатов сегментации с функциями навигации по срезам, управления отображением масок, расчетом плотностных характеристик, построением гистограмм и карт плотности | false | true | false | |
2,867 | 2026-02-23T11:48:37.317000Z | 2026-02-23T11:48:37.317000Z | Lec. | Обоснован и реализован процесс обучения и инференса модели nnU-Net, обеспечившей высокую точность сегментации (Dice > 0.93) при ограниченном объёме обучающей выборки | false | true | false | |
2,866 | 2026-02-23T11:48:35.446000Z | 2026-02-23T11:48:35.446000Z | Lec. | Тургенева», в формат, пригодный для обучения моделей глубокого обучения | false | true | false | |
2,865 | 2026-02-23T11:48:33.585000Z | 2026-02-23T11:48:33.585000Z | Lec. | Проведена подготовка и конвертация реальных медицинских данных, предоставленных Медицинским институтом ФГБОУ ВО «Орловский государственный университет имени И.С | false | false | false | |
2,864 | 2026-02-23T11:48:31.523000Z | 2026-02-23T18:17:18.002000Z | Lec. | Благодаря генерации структурированных отчетов и сохранению всей визуальной и числовой информации, результаты сегментации легко масштабируются и сопоставимы между случаями, что облегчает статистическую обработку данных | Благодаря генерации структурированных отчетов и сохранению всей визуальной и числовой информации результаты сегментации легко масштабируются и сопоставимы между случаями, что облегчает статистическую обработку данных. | false | true | true |
2,863 | 2026-02-23T11:48:29.713000Z | 2026-02-23T11:48:29.713000Z | Lec. | Система также используется при массовой обработке архивных КТ-исследований, что открывает возможности для ретроспективного анализа, подготовки публикаций и проведения научных исследований | false | true | false | |
2,862 | 2026-02-23T11:48:27.857000Z | 2026-02-23T11:48:27.857000Z | Lec. | Система выступает в качестве второго мнения, помогая специалисту обратить дополнительное внимание на участки, где результат работы алгоритма расходится с клиническим заключением | false | true | false | |
2,861 | 2026-02-23T11:48:26.279000Z | 2026-02-23T11:48:26.279000Z | Lec. | Использование автоматизированной нейросетевой модели способствует снижению вероятности диагностических ошибок, а также позволяет врачу сконцентрироваться на интерпретации результатов и принятии решений | false | true | false | |
2,860 | 2026-02-23T11:48:24.285000Z | 2026-02-23T11:48:24.285000Z | Lec. | Разработанная система сегментации сердца, аорты и легочной артерии на КТ-снимках позволяет упростить и автоматизировать процесс обработки медицинских изображений, освобождая врачей от рутинной работы по ручной разметке | false | true | false | |
2,859 | 2026-02-23T11:48:22.388000Z | 2026-02-23T11:48:22.388000Z | Lec. | Результаты проекта обладают высокой практической значимостью для заказчика — Медицинского института ФГБОУ ВО «Орловский государственный университет имени И.С | false | true | false | |
2,858 | 2026-02-23T11:48:20.139000Z | 2026-02-23T11:48:20.139000Z | Lec. | Хранилище проекта размещено на платформе GitLab, что обеспечило удобную совместную работу, отслеживание изменений и доступ к коду для всех участников проекта | false | true | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.