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
2,757
2026-02-23T11:45:12.241000Z
2026-02-23T13:34:00.134000Z
Lec.
Маски сегментации (Рис. 4) — в формате .png с тем же именем, но другим суффиксом, например img-00001-00068-AO.png, где:
Маски сегментации (Рис. 4) — в формате .png с тем же именем, но другим суффиксом, например img-00001-00068-AO.png, где:
false
true
true
2,756
2026-02-23T11:45:10.319000Z
2026-02-23T13:28:42.753000Z
Lec.
Исходные изображения (Рис. 3) представлены в формате .jpg (например, img-00001-00068.jpg)
Исходные изображения (Рис. 3) представлены в формате .jpg (например, img-00001-00068.jpg)
false
true
true
2,755
2026-02-23T11:45:08.612000Z
2026-02-23T17:35:00.150000Z
Lec.
Интервалы между срезами соответствуют типичному шагу сканирования КТ — от 1 до 2 мм
Интервалы между срезами соответствуют типичной степени сканирования КТ — от 1 до 2 мм.
false
true
true
2,754
2026-02-23T11:45:06.791000Z
2026-02-23T11:45:06.791000Z
Lec.
Каждое изображение имеет разрешение 512 × 512 пикселей и содержит поперечный срез грудной клетки на уровне грудной аорты, сердца или легочной артерии
false
true
false
2,753
2026-02-23T11:45:04.695000Z
2026-02-23T11:45:04.695000Z
Lec.
Из них 333 изображения размечены (с масками), 194 изображения не размечены — предназначены для тестирования, предсказания или дополнительной разметки
false
true
false
2,752
2026-02-23T11:45:02.791000Z
2026-02-23T11:45:02.791000Z
Lec.
Набор состоит из 527 аксиальных КТ-срезов, полученных из нескольких КТ-исследований
false
true
false
2,751
2026-02-23T11:45:00.717000Z
2026-02-23T11:45:00.717000Z
Lec.
Набор данных представляет собой анонимизированные изображения компьютерной томографии (КТ) органов грудной клетки, содержащие в поле зрения ключевые анатомические структуры: сердце, аорту и легочную артерию с ее ветвями
false
true
false
2,750
2026-02-23T11:44:58.837000Z
2026-02-23T11:44:58.837000Z
Lec.
Для обучения, валидации и тестирования разработанной системы сегментации использовались реальные медицинские данные, предоставленные Медицинским институтом ФГБОУ ВО «Орловский государственный университет имени И.С
true
true
false
2,749
2026-02-23T11:44:56.956000Z
2026-02-23T18:04:43.967000Z
Lec.
Система поддерживает развертывание в локальной среде (на рабочем месте врача)
Система поддерживает развертывание в локальной среде на рабочем месте врача.
false
true
true
2,748
2026-02-23T11:44:55.176000Z
2026-02-23T11:44:55.176000Z
Lec.
Архитектура системы
false
false
false
2,747
2026-02-23T11:44:53.499000Z
2026-02-23T13:34:56.254000Z
Lec.
Интерфейс позволяет загружать данные, просматривать результаты и сохранять отчеты
Интерфейс позволяет загружать данные, просматривать результаты и сохранять отчеты.
false
true
true
2,746
2026-02-23T11:44:51.536000Z
2026-02-23T17:57:53.247000Z
Lec.
Разработан кроссплатформенный интерфейс, обеспечивающий интуитивное взаимодействие с системой для врачей без технической подготовки
Разработан кроссплатформенный интерфейс, обеспечивающий интуитивное взаимодействие с системой для всех пользователей, независимо от операционной системы.
false
true
true
2,745
2026-02-23T11:44:49.590000Z
2026-02-23T13:49:37.217000Z
Lec.
Пользовательский интерфейс
Пользовательский интерфейс.
false
true
true
2,744
2026-02-23T11:44:47.940000Z
2026-02-23T13:26:21.063000Z
Lec.
Позволяет автоматически формировать отчеты в формате PDF, содержащие визуальные результаты, графики и сводные таблицы с числовыми показателями, что облегчает включение информации в медицинскую документацию
Предоставляет возможность автоматического формирования отчетов в формате PDF, содержащих визуальные результаты, графики и сводные таблицы с числовыми показателями, что облегчает включение информации в медицинскую документацию.
false
true
true
2,743
2026-02-23T11:44:45.567000Z
2026-02-23T13:39:06.808000Z
Lec.
Модуль генерации отчетов
Модуль генерации отчетов.
false
true
true
2,742
2026-02-23T11:44:43.973000Z
2026-02-23T11:44:43.973000Z
Lec.
Пример работы модуля визуализации
false
true
false
2,741
2026-02-23T11:44:41.723000Z
2026-02-23T13:41:33.449000Z
Lec.
Реализовано отображение наложений масок на КТ-срезы, а также построение:. гистограмм плотности тканей в пределах каждой из структур;. карт распределения плотности;. таблиц распределения плотности;. текстовой аналитики по каждому объекту (средней и медианной плотности, дисперсии плотности и другие)
Реализовано отображение наложения масок на КТ-снимках, а также построение:. гистограмм плотности тканей в пределах каждой из структур;. карт распределения плотности;. таблиц распределения плотности;. текстовой аналитики по каждому объекту (средней и медианной плотности, дисперсии плотности и другие)
false
true
true
2,740
2026-02-23T11:44:39.926000Z
2026-02-23T18:23:44.739000Z
Lec.
Модуль визуализации и анализа результатов (Рис. 1)
Модуль визуализации и анализа результатов. (Рис. 1)
false
true
true
2,739
2026-02-23T11:44:37.940000Z
2026-02-23T15:52:15.388000Z
Lec.
На выходе формируются маски сегментированных областей
На выходе формируются маски сегментированных областей.
false
true
true
2,738
2026-02-23T11:44:35.838000Z
2026-02-23T11:44:35.838000Z
Lec.
Модель была дообучена на предоставленных заказчиком данных и адаптирована под специфику изображения анатомических структур грудной клетки
false
true
false
2,737
2026-02-23T11:44:34.002000Z
2026-02-23T11:44:34.002000Z
Lec.
В основе лежит архитектура nnU-Net, зарекомендовавшая себя как универсальный подход к задачам медицинской сегментации
false
true
false
2,736
2026-02-23T11:44:32.101000Z
2026-02-23T11:44:32.101000Z
Lec.
Модуль нейросетевой сегментации
false
true
false
2,735
2026-02-23T11:44:30.616000Z
2026-02-23T13:26:49.789000Z
Lec.
Для повышения устойчивости модели к различиям в исходных данных реализованы операции:. нормализации интенсивности;. ресемплирования;. обрезки по области интереса;. фильтрация шумов
Для повышения устойчивости модели к различиям в исходных данных реализованы операции: нормализации интенсивности; ресемплирования; обрезки по области интереса; фильтрации шумов.
false
true
true
2,734
2026-02-23T11:44:28.968000Z
2026-02-23T11:44:28.968000Z
Lec.
Модуль предобработки изображений
false
true
false
2,733
2026-02-23T11:44:26.785000Z
2026-02-23T11:44:26.785000Z
Lec.
На этапе загрузки осуществляется первичная проверка совместимости данных и приведение их к единому формату
false
true
false
2,732
2026-02-23T11:44:25.089000Z
2026-02-23T11:44:25.089000Z
Lec.
Поддерживается загрузка как отдельных КТ-срезов, так и целых серий в формате JPG
false
true
false
2,731
2026-02-23T11:44:23.293000Z
2026-02-23T13:30:02.602000Z
Lec.
Модуль загрузки и обработки входных данных
Модуль загрузки и обработки входных данных
false
true
true
2,730
2026-02-23T11:44:21.675000Z
2026-02-23T13:40:48.698000Z
Lec.
Система включает в себя следующие ключевые компоненты (Рис. 2):
Система включает в себя следующие ключевые компоненты. (Рис. 2):
false
true
true
2,729
2026-02-23T11:44:19.604000Z
2026-02-23T11:44:19.604000Z
Lec.
Архитектура системы построена по модульному принципу, что обеспечивает гибкость, масштабируемость и удобство внедрения в медицинские учреждения
false
true
false
2,728
2026-02-23T11:44:17.926000Z
2026-02-23T11:44:17.926000Z
Lec.
Разработанная система представляет собой программно-аппаратный комплекс, предназначенный для автоматической сегментации анатомических структур (аорты, сердца и легочной артерии) на изображениях компьютерной томографии (КТ), их визуализации и генерации диагностических отчетов
false
true
false
2,727
2026-02-23T11:44:16.089000Z
2026-02-23T11:44:16.089000Z
Lec.
Подготовка презентации для защиты проекта
false
true
false
2,726
2026-02-23T11:44:14.365000Z
2026-02-23T13:35:14.363000Z
Lec.
Рефакторинг кода
Рефакторинг кода — это процесс улучшения существующего программного обеспечения.
false
true
true
2,725
2026-02-23T11:44:12.656000Z
2026-02-23T11:44:12.656000Z
Lec.
Разработка алгоритмов построения гистограмм плотности тканей и генерации отчетов в формате PDF
false
true
false
2,724
2026-02-23T11:44:10.958000Z
2026-02-23T11:44:10.958000Z
Lec.
Разработка алгоритма визуализации результатов сегментации
false
true
false
2,723
2026-02-23T11:44:09.138000Z
2026-02-23T16:20:15.602000Z
Lec.
Разработка скрипта для вычисления средней и медианной плотности
Разработка скрипта для вычисления средней и медианной плотности
false
true
true
2,722
2026-02-23T11:44:07.527000Z
2026-02-23T11:44:07.527000Z
Lec.
Разработка алгоритма нормализации плотности
false
true
false
2,721
2026-02-23T11:44:05.493000Z
2026-02-23T11:44:05.493000Z
Lec.
Коррекция ошибок в разметке данных
false
true
false
2,720
2026-02-23T11:44:04.064000Z
2026-02-23T13:25:04.453000Z
Lec.
Подготовка проморолика для представления проекта
Подготовка проморолика для представления проекта.
false
true
true
2,719
2026-02-23T11:44:02.263000Z
2026-02-23T11:44:02.263000Z
Lec.
Матиев Магомед Мусаевич
true
false
false
2,718
2026-02-23T11:44:00.361000Z
2026-02-23T11:44:00.361000Z
Lec.
Подготовка отчета для защиты проекта
false
true
false
2,717
2026-02-23T11:43:58.683000Z
2026-02-23T13:34:12.200000Z
Lec.
Корректировка гиперпараметров модели и перезапуск обучения
Корректировка гиперпараметров модели и перезапуск обучения
false
true
true
2,716
2026-02-23T11:43:57.035000Z
2026-02-23T13:31:46.307000Z
Lec.
Конвертация данных в формат подходящий для nnU-Net
Конвертация данных в подходящий формат для nnU-Net.
false
true
true
2,715
2026-02-23T11:43:55.437000Z
2026-02-23T11:43:55.437000Z
Lec.
Дообучение модели на добавленных данных
false
true
false
2,714
2026-02-23T11:43:53.767000Z
2026-02-23T13:40:54.565000Z
Lec.
Аугментация тренировочного набора данных
Аугментация тренировочного набора данных.
false
true
true
2,713
2026-02-23T11:43:51.909000Z
2026-02-23T18:12:10.160000Z
Lec.
Разработки алгоритма постобработки предсказанных масок
Разработка алгоритма постобработки предсказанных масок.
false
true
true
2,712
2026-02-23T11:43:50.336000Z
2026-02-23T13:50:12.958000Z
Lec.
Разработка алгоритма фильтрации шумов
Разработка алгоритма фильтрации шумов.
false
true
true
2,711
2026-02-23T11:43:48.345000Z
2026-02-23T13:24:25.017000Z
Lec.
Подготовка презентации для представления проекта
Подготовка презентации для представления проекта.
false
true
true
2,710
2026-02-23T11:43:46.401000Z
2026-02-23T11:43:46.401000Z
Lec.
Обзор научной литературы по архитектурам U-Net и nnU-Net
false
true
false
2,709
2026-02-23T11:43:44.557000Z
2026-02-23T11:43:44.557000Z
Lec.
Нам Виктория Сергеевна
true
true
false
2,708
2026-02-23T11:43:42.984000Z
2026-02-23T11:43:42.984000Z
Lec.
Подготовка технической и пользовательской документации
false
true
false
2,707
2026-02-23T11:43:41.280000Z
2026-02-23T11:43:41.280000Z
Lec.
Разработка приложения и внедрение в него всех разработанных алгоритмов
false
true
false
2,706
2026-02-23T11:43:39.498000Z
2026-02-23T11:43:39.498000Z
Lec.
Подготовка тезисов для Межвузовской научно-технической конференции студентов, аспирантов и молодых специалистов им
false
true
false
2,705
2026-02-23T11:43:37.479000Z
2026-02-23T11:43:37.479000Z
Lec.
Объединение всех модулей в 1 конвейер
false
true
false
2,704
2026-02-23T11:43:35.807000Z
2026-02-23T11:43:35.807000Z
Lec.
Обучение модели на первоначальных данных без аугментации
false
true
false
2,703
2026-02-23T11:43:34.096000Z
2026-02-23T13:37:45.269000Z
Lec.
Реализация архитектуры U-Net
Реализация архитектуры U-Net.
false
true
true
2,702
2026-02-23T11:43:31.759000Z
2026-02-23T16:14:57.983000Z
Lec.
Разработка кастомного класса для загрузки и предобработки изображений
Разработка кастомного класса для загрузки и предобработки изображений.
false
true
true
2,701
2026-02-23T11:43:30.128000Z
2026-02-23T11:43:30.128000Z
Lec.
Подготовка технического задания для представления проекта
false
true
false
2,700
2026-02-23T11:43:28.517000Z
2026-02-23T11:43:28.517000Z
Lec.
Разработка архитектуры системы
false
true
false
2,699
2026-02-23T11:43:26.872000Z
2026-02-23T11:43:26.872000Z
Lec.
Анализ требований и постановка задач
false
true
false
2,698
2026-02-23T11:43:24.618000Z
2026-02-23T11:43:24.618000Z
Lec.
Перцев Александр Анатольевич
true
false
false
2,697
2026-02-23T11:43:23.119000Z
2026-02-23T11:43:23.119000Z
Lec.
Матиев Магомед Мусаевич. a) Роль: Стажер. b) Группа: БИБ233. c) Почта: mmmatiev@edu.hse.ru. d) Телефон: +7 (964) 056-56-38
true
true
false
2,696
2026-02-23T11:43:21.063000Z
2026-02-23T11:43:21.063000Z
Lec.
Нам Виктория Сергеевна. a) Роль: ML-разработчик. b) Группа: БПМ222. c) Почта: vsnam@edu.hse.ru. d) Телефон: +7 (977) 339-09-13
true
false
false
2,695
2026-02-23T11:43:19.061000Z
2026-02-23T11:43:19.061000Z
Lec.
Перцев Александр Анатольевич. a) Роль: ML-разработчик, лидер. b) Группа: БПМ222. c) Почта: aapertsev@edu.hse.ru. d) Телефон: +7 (919) 108-63-97
true
true
false
2,694
2026-02-23T11:43:16.753000Z
2026-02-23T16:02:09.530000Z
Lec.
Dice coefficient на тестовой выборке:. аорта — 0.9758;. сердце — 0.9391;. легочная артерия — 0.8797
Dice coefficient на тестовой выборке:. аорты — 0,9758;. сердце — 0,9391;. легочная артерия — 0,8797
false
true
true
2,693
2026-02-23T11:43:14.713000Z
2026-02-23T11:43:14.713000Z
Lec.
Кроме числовых метрик, оценивались анатомическая корректность сегментации, удобство интерфейса и качество визуализации
false
true
false
2,692
2026-02-23T11:43:12.689000Z
2026-02-23T11:43:12.689000Z
Lec.
Финальное тестирование и экспертная оценка заказчиком — медицинским специалистом на реальных КТ-снимках
false
true
false
2,691
2026-02-23T11:43:10.866000Z
2026-02-23T11:43:10.866000Z
Lec.
Для оценки производительности применялись стандартные метрики качества сегментации — в первую очередь, Dice coefficient
false
true
false
2,690
2026-02-23T11:43:08.980000Z
2026-02-23T11:43:08.980000Z
Lec.
Техническое тестирование на обучающем и валидационном подмножестве данных, предоставленных Медицинским институтом ФГБОУ ВО «Орловский государственный университет имени И.С
false
false
false
2,689
2026-02-23T11:43:06.456000Z
2026-02-23T16:14:14.990000Z
Lec.
Испытания модели сегментации проводились в два этапа:
Испытания модели сегментации проводились в два этапа. В первом этапе были проведены испытания первой части модели, а во втором этапе — второй части.
false
true
true
2,688
2026-02-23T11:43:04.515000Z
2026-02-23T17:37:33.124000Z
Lec.
Благодаря удобному интерфейсу и кроссплатформенности, разработанное приложение легко интегрируется в существующие рабочие процессы
Благодаря удобному интерфейсу и кроссплатформенной, разработанное приложение легко интегрируется в существующие рабочие процессы
false
true
true
2,687
2026-02-23T11:43:02.435000Z
2026-02-23T11:43:02.435000Z
Lec.
Использование в учебных целях: демонстрация современных технологий ИИ и компьютерного зрения в клинической практике при подготовке студентов и ординаторов
false
true
false
2,686
2026-02-23T11:42:59.984000Z
2026-02-23T11:42:59.984000Z
Lec.
Упрощение и ускорение врачебной работы: предоставление врачам готовых анатомических сегментаций и количественных характеристик, повышающих точность интерпретации и снижающих нагрузку
false
true
false
2,685
2026-02-23T11:42:57.717000Z
2026-02-23T13:27:09.386000Z
Lec.
Предполагаемые сферы практического использования:
Предполагаемые сферы практического использования:
false
true
true
2,684
2026-02-23T11:42:55.818000Z
2026-02-23T11:42:55.818000Z
Lec.
Тургенева» и ориентирован на решение прикладных задач в области медицинской визуализации
false
true
false
2,683
2026-02-23T11:42:53.889000Z
2026-02-23T11:42:53.890000Z
Lec.
Проект выполнен по заказу Медицинского института ФГБОУ ВО «Орловский государственный университет имени И
false
true
false
2,682
2026-02-23T11:42:52.236000Z
2026-02-23T17:24:02.836000Z
Lec.
Такая обратная связь от специалиста подтверждает клиническую значимость и достоверность полученных результатов
Такая обратная связь от специалиста подтверждает клиническую значимость и достоверность полученных результатов.
false
true
true
2,681
2026-02-23T11:42:50.461000Z
2026-02-23T15:45:53.234000Z
Lec.
Было отмечено:. соответствие границ сегментированных структур анатомическим ориентирам;. понятность визуализации и отчетности даже без технической подготовки;. применимость результатов в клинической практике
Было отмечено: соответствие границ сегментированных структур анатомическим ориентирам; понятность визуализации и отчетности даже без технической подготовки; применимость результатов в клинической практике.
false
true
true
2,680
2026-02-23T11:42:48.537000Z
2026-02-23T11:42:48.537000Z
Lec.
По результатам тестирования заказчиком — врачом — была получена положительная экспертная оценка работы как нейросетевой модели, так и пользовательского интерфейса приложения
false
true
false
2,679
2026-02-23T11:42:46.788000Z
2026-02-23T13:46:50.532000Z
Lec.
Обучение и проверка проводились на КТ-изображениях, содержащих реальные артефакты, шумы и вариативность в плотности тканей, что позволяет модели сохранять надежность и применимость в условиях практического здравоохранения
Обучение и проверка проводились на КТ-изображениях, содержащих реальные артефакты, шумы и вариативность в плотности тканей; что позволяет модели сохранять надежность и применимость в условиях практического здравоохранения.
false
true
true
2,678
2026-02-23T11:42:44.828000Z
2026-02-23T11:42:44.828000Z
Lec.
Фреймворк адаптирует свою конфигурацию к конкретному набору данных, автоматически подбирая оптимальные параметры, что гарантирует высокую точность и устойчивость [Error: Reference source not found]
false
true
false
2,677
2026-02-23T11:42:43.147000Z
2026-02-23T11:42:43.147000Z
Lec.
В качестве основы применена предобученная архитектура nnU-Net, которая неоднократно демонстрировала лидирующие результаты в международных соревнованиях по медицинской сегментации (Medical Segmentation Decathlon) [Error: Reference source not found]
false
true
false
2,676
2026-02-23T11:42:41.462000Z
2026-02-23T13:43:44.568000Z
Lec.
Алгоритм оптимизирован для работы на центральном процессоре, что позволяет использовать систему без приобретения дорогостоящего оборудования с высокой вычислительной мощностью — особенно важно для региональных и малобюджетных учреждений
Алгоритм оптимизирован для работы на центральном процессоре, что позволяет использовать систему без приобретения дорогостоящего оборудования с высокой вычислительной мощностью. — особенно важно для региональных и малобюджетных учреждений.
false
true
true
2,675
2026-02-23T11:42:39.690000Z
2026-02-23T17:40:24.012000Z
Lec.
Результаты сегментации отображаются в привычной для врача форме: наложение цветных контуров на исходные срезы, гистограммы, таблицы распределения плотностей тканей, автоматическое выделение ключевых метрик, что позволяет быстро сопоставить анатомические и количественные данные, не тратя время на техническую интерпретац...
Результаты сегментации отображаются в форме, привычной для врача: наложение цветных контуров на исходные срезы, гистограммы, таблицы распределения плотностей тканей, автоматическое выделение ключевых метрик, что позволяет быстро сопоставить данные анатомического и количественного характера, не тратя время на техническу...
false
true
true
2,674
2026-02-23T11:42:37.686000Z
2026-02-23T13:32:46.648000Z
Lec.
В отличие от многих решений, требующих специализированных знаний в области информационных технологий или ручной работы с изображениями, в системе реализован интерфейс, позволяющий врачу быстро загрузить КТ-снимки (сериями или по одному), получить результаты сегментации и сразу увидеть их в визуальном и текстовом виде
В отличие от многих решений, требующих специализированных знаний в области информационных технологий или ручной работы с изображениями, в системе реализован интерфейс, позволяющий врачу быстро загрузить КТ-снимки (сериями или по одному), получить результаты сегментации и сразу увидеть их в визуальном и текстовом виде.
false
true
true
2,673
2026-02-23T11:42:35.878000Z
2026-02-23T11:42:35.878000Z
Lec.
Также предоставлены инструкции по установке и запуску модели
false
true
false
2,672
2026-02-23T11:42:34.182000Z
2026-02-23T13:44:48.242000Z
Lec.
Создана техническая документация, включающая описание архитектуры модели, использованных методов предобработки и параметров обучения
Создана техническая документация, включающая описание архитектуры модели, используемых методов предобработки и параметров обучения
false
true
true
2,671
2026-02-23T11:42:32.413000Z
2026-02-23T18:23:32.373000Z
Lec.
Приложение протестировано на ОС Windows, MacOS и Linux, что обеспечивает кроссплатформенность
Приложение протестировано на ОС Windows, MacOS и Linux, что обеспечивает кросс-платформенность.
false
true
true
2,670
2026-02-23T11:42:30.666000Z
2026-02-23T11:42:30.666000Z
Lec.
Автоматическая генерация отчетов в формате PDF с изображениями, гистограммами и текстовыми результатами
false
true
false
2,669
2026-02-23T11:42:28.818000Z
2026-02-23T11:42:28.818000Z
Lec.
Вывод текстовой аналитики, включая значения плотностей анатомических структур и их основные статистические показатели;
false
true
false
2,668
2026-02-23T11:42:27.265000Z
2026-02-23T11:42:27.265000Z
Lec.
Построение таблиц распределения плотности тканей;
false
true
false
2,667
2026-02-23T11:42:25.472000Z
2026-02-23T13:38:47.966000Z
Lec.
Построение гистограмм распределения плотности тканей;
Построение гистограм распределения плотности тканей;
false
true
true
2,666
2026-02-23T11:42:23.622000Z
2026-02-23T11:42:23.622000Z
Lec.
Интерактивная визуализация результатов сегментации в виде наложений;
false
true
false
2,665
2026-02-23T11:42:21.715000Z
2026-02-23T11:42:21.715000Z
Lec.
Реализованы следующие функции:
false
true
false
2,664
2026-02-23T11:42:17.215000Z
2026-02-23T11:42:17.215000Z
Lec.
Интерфейс приложения позволяет загружать как целые серии КТ-исследований, так и отдельные срезы
false
true
false
2,663
2026-02-23T11:42:15.382000Z
2026-02-23T13:41:15.372000Z
Lec.
Алгоритм демонстрирует устойчивость к шумам и артефактам, благодаря предварительной обработке данных: выполняется ресемплинг, нормализация и коррекция интенсивности, что обеспечивает стабильную работу даже в условиях неполноты или низкого качества данных
Алгоритм демонстрирует устойчивость к шумам и артефактам, благодаря предварительной обработке данных: выполняется ресемплинг, нормализация и коррекция интенсивности, что обеспечивает стабильную работу даже в условиях неполной или низкого качества данных.
false
true
true
2,662
2026-02-23T11:42:13.510000Z
2026-02-23T17:12:29.564000Z
Lec.
Наилучший результат, зафиксированный на тестовой выборке, составил 0.93 по метрике Dice
Наилучший результат, зафиксированный на тестовой выборке, составил 0.93 по метрике Dice.
false
true
true
2,661
2026-02-23T11:42:11.602000Z
2026-02-23T11:42:11.602000Z
Lec.
Разработана и внедрена в приложение модель сегментации на основе U-Net
false
true
false
2,660
2026-02-23T11:42:09.939000Z
2026-02-23T16:55:38.337000Z
Lec.
Кроссплатформенность: Интерфейс работает на основных операционных системах (Windows, Linux)
Кроссплатформенность: Интерфейс работает на основных операционных системах (Windows и Linux)
false
true
true
2,659
2026-02-23T11:42:08.131000Z
2026-02-23T11:42:08.131000Z
Lec.
Генерация отчетов: Создание файлов в формате PDF с результатами сегментации и визуализации
false
true
false
2,658
2026-02-23T11:42:06.472000Z
2026-02-23T11:42:06.472000Z
Lec.
Текстовое представление результатов: Вывод результатов анализа плотности представлен в текстовом формате с указанием ключевых показателей
false
true
false