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 |
|---|---|---|---|---|---|---|---|---|
1,157 | 2026-02-23T10:54:37.412000Z | 2026-02-23T10:54:37.412000Z | Lec. | ЗАКЛЮЧЕНИЕ 20 | false | false | false | |
1,156 | 2026-02-23T10:54:35.908000Z | 2026-02-23T10:54:35.908000Z | Lec. | ВВЕДЕНИЕ 3. 1 Разработка алгоритма управления движением 4. 1.1 Обзор существующих решений 4. 1.2 Разработка алгоритма 5. 1.2.1 Подготовка данных 5. 1.2.2 Синхронизация движения 5. 1.2.3 Генерация управляющих сигналов 7. 1.3 Тестирование 7. 2 Разработка системы управления на ПЛИС 9. 2.1 Модуль управления движением 9. 2.2 Модуль для управления текущей позицией экструдера 10. 2.3 Система нагрева 10. 2.4 Модуль для обработки команд 11. 2.5 Общая иерархия системы 12. 3 Разработка модуля QSYS 13. 3.1 Регистры для передачи данных 13. 3.1.1 Передача данных для выполнения команд 13. 3.1.2 Хранение настроек принтера 13. 3.1.3 Сигналы 14. 3.1.4 Данные с датчиков 15. 3.1.5 Передача текущих координат 16. 3.2 Общая иерархия 16. 4 Реализация системы управления на HPS 18. 4.1 Класс управления механикой 18. 4.2 Класс управления принтером 18 | false | true | false | |
1,155 | 2026-02-23T10:54:33.513000Z | 2026-02-23T10:54:33.513000Z | Lec. | Доцент ДКИ Варнавский А.Н. (должность, ФИО руководителя от факультета). (оценка). (подпись). (дата) | true | true | false | |
1,154 | 2026-02-23T10:54:31.213000Z | 2026-02-23T10:54:31.213000Z | Lec. | Проверили:. к.т.н., доцент Романов Александр Юрьевич. (должность, ФИО руководителя от организации). (оценка). (подпись) | true | false | false | |
1,153 | 2026-02-23T10:54:28.531000Z | 2026-02-23T10:54:28.531000Z | Lec. | Зунин Владимир Викторович. (ФИО). (подпись) | true | true | false | |
1,152 | 2026-02-23T10:54:26.763000Z | 2026-02-23T10:54:26.763000Z | Lec. | Выполнил студент гр | true | true | false | |
1,151 | 2026-02-23T10:54:24.974000Z | 2026-02-23T13:36:17.318000Z | Lec. | О Т Ч Е Т. по. преддипломной. практике. (производственной / научно-исследовательской / преддипломной) | ОТЧЕТ по преддипломной практике (производственной / научно-исследовательской / преддипломной) | false | true | true |
1,150 | 2026-02-23T10:54:22.967000Z | 2026-02-23T10:54:22.967000Z | Lec. | Уровень образования: бакалавриат | false | false | false | |
1,149 | 2026-02-23T10:54:21.164000Z | 2026-02-23T10:54:21.164000Z | Lec. | ОП: «Информатика и вычислительная техника» | false | true | false | |
1,148 | 2026-02-23T10:54:19.283000Z | 2026-02-23T10:54:19.283000Z | Lec. | МОСКОВСКИЙ ИНСТИТУТ ЭЛЕКТРОНИКИ И МАТЕМАТИКИ им | false | false | false | |
1,147 | 2026-02-23T10:54:17.520000Z | 2026-02-23T10:54:17.520000Z | Lec. | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ. «НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ. «ВЫСШАЯ ШКОЛА ЭКОНОМИКИ» | false | false | false | |
1,146 | 2026-02-23T10:54:15.375000Z | 2026-02-23T10:54:15.375000Z | Lec. | Помимо этого во время проверки все ошибки отображаются в веб-версии разработанного приложения в режиме реального времени | false | true | false | |
1,145 | 2026-02-23T10:54:13.753000Z | 2026-02-23T13:47:47.836000Z | Lec. | На финальном этапе проверки формируется отчет в формате PDF о проверке документа, который содержит информацию о лингвистической приемлемости документа, корректности стилей оформления библиографических ссылок в документе и стилей оформления самого документа | На финальном этапе проверки формируется отчет в формате PDF о проверке документа, который содержит информацию о лингвистической приемлемости документа, правильности стилей оформления библиографических ссылок в документе и стилей оформления самого документа. | false | true | true |
1,144 | 2026-02-23T10:54:12.012000Z | 2026-02-23T17:34:27.648000Z | Lec. | Кроме того, модуль проверки оформления стилей документа, извлекаемых из документов формата docx, позволяет выполнять проверку на соответствие используемых шрифтов, размера шрифта и полей, цвета текста и фонового выделения, используемых межстрочных интервалов, отступов, выступов и многих других элементов оформления принятому в организации стандарту оформления документов | Кроме того, модуль проверки оформления стилей документа, извлекаемого из документов формата docx, позволяет выполнять проверку на соответствие используемых шрифтов, размера шрифта и полей, цвета текста и фона, используемых межстрочных интервалов, отступов, выступов и многих других элементов оформления принятому в организации стандарту оформления документов. | false | true | true |
1,143 | 2026-02-23T10:54:10.138000Z | 2026-02-23T10:54:10.138000Z | Lec. | Интеграция с Crossref API [11] позволяет проверять оформление библиографических ссылок для ГОСТ, Elsevier, Springer и других CSL-стилей (Citation Style Language) [12], что позволяет формировать ссылки с использованием необходимых стилей оформления источников и выполнять проверку на корректность их оформления | false | true | false | |
1,142 | 2026-02-23T10:54:08.469000Z | 2026-02-23T13:34:29.600000Z | Lec. | В-третьих, отсутствует интеграция с требованиями ГОСТ и внутренними стандартами вузов, что делает их непригодными для проверки студенческих работ в высших учебных заведениях | В-третьих, отсутствует интеграция с требованиями ГОСТ и внутренними стандартами вузов, что делает их непригодными для проверки студенческих работ в высших учебных заведениях. | false | true | true |
1,141 | 2026-02-23T10:54:06.651000Z | 2026-02-23T17:39:28.811000Z | Lec. | Во-вторых, многие системы лучше работают с английским языком, а для русского языка предлагают ограниченный функционал | Во втором, многие системы лучше работают с английским языком, а для русского языка предлагается ограниченный функционал. | false | true | true |
1,140 | 2026-02-23T10:54:05.086000Z | 2026-02-23T16:05:11.080000Z | Lec. | Во-первых, большинство инструментов не учитывают специфику научно-исследовательских работ, таких как использование терминологии, сложных синтаксических конструкций и требований к оформлению | Во-первых, большинство инструментов не учитывают специфику научно-исследовательских работ, таких как использование терминологии, сложных синтактических конструкций и требований к оформлению | false | true | true |
1,139 | 2026-02-23T10:54:03.105000Z | 2026-02-23T13:25:13.405000Z | Lec. | Между тем они имеют ряд существенных ограничений, которые делают их недостаточно эффективными для использования в академической среде | Между тем они имеют ряд существенных недостатков, которые делают их недостаточно эффективными для использования в академической среде. | false | true | true |
1,138 | 2026-02-23T10:54:01.357000Z | 2026-02-23T10:54:01.357000Z | Lec. | В настоящее время на рынке онлайн-сервисов, предназначенных для обнаружения ошибок в тексте, существует множество инструментов для автоматической проверки текстов, таких как Grammarly [5], LanguageTool [6], Яндекс.Спеллер [7] и другие | false | true | false | |
1,137 | 2026-02-23T10:53:59.679000Z | 2026-02-23T10:53:59.679000Z | Lec. | Оставшаяся часть работы выстроена в соответствии со следующей структурой: в разделе «Анализ существующих решений» проведен обзор современных инструментов для автоматической проверки текстов, описаны их преимущества и недостатки, а также обоснована необходимость создания специализированного продукта | false | true | false | |
1,136 | 2026-02-23T10:53:57.390000Z | 2026-02-23T10:53:57.390000Z | Lec. | Для достижения поставленной цели были решены следующие задачи: разработать парсер для обработки документов в форматах .docx и .doc с сохранением структуры текста; создать модуль классификации предложений на основе моделей искусственного интеллекта [4], обученных на специализированных наборах данных; разработать модуль проверки библиографических ссылок; разработать модуль проверки оформления документов (включая анализ шрифтов, кегля, отступов и других параметров) | false | true | false | |
1,135 | 2026-02-23T10:53:55.253000Z | 2026-02-23T16:11:15.977000Z | Lec. | Целью описываемой работы является разработка программного обеспечения для автоматической проверки лексической, синтаксической и морфологической приемлемости текстов в студенческих работах | Целью описываемой работы является разработка программного обеспечения для автоматической проверки лексической, синтаксической и морфологической пригодности текстов в студенческих работах. | false | true | true |
1,134 | 2026-02-23T10:53:53.222000Z | 2026-02-23T13:35:31.683000Z | Lec. | Решение основано на использовании нейронных моделей, обученных на специализированных наборах данных, и включает модули для обработки текста, классификации предложений и формирования отчетов с рекомендациями по исправлению обнаруженных ошибок в НИР студентов | Решение основано на использовании нейронных моделей, обученных на специализированных наборах данных, и включает в себя модули для обработки текста, классификации предложений. и формирования отчетов с рекомендациями по исправлению обнаруженных ошибок в НИР студентов. | false | true | true |
1,133 | 2026-02-23T10:53:51.076000Z | 2026-02-23T17:28:58.305000Z | Lec. | Система позволит автоматически анализировать тексты студенческих НИР на соответствие нормам современного русского языка, проверять оформление библиографических ссылок и соответствие документов стандартам оформления документов в НИУ ВШЭ | Система позволит автоматически анализировать тексты студенческих НИР на соответствие нормам русского современного языка, проверять оформление библиографических ссылок, а также соответствие документов стандартам оформления документов в НИУ ВШЭ | false | true | true |
1,132 | 2026-02-23T10:53:49.162000Z | 2026-02-23T10:53:49.162000Z | Lec. | Разрабатываемая система автоматической проверки лингвистической приемлемости [1, 2] студенческих отчетов направлена на оптимизацию процесса проверки научно-исследовательских работ (НИР) и повышение эффективности предоставления обратной связи студентам, что вместе с тем позволит высвободить временные ресурсы преподавателей, затрачиваемые на оценку и анализ работ [3] | false | true | false | |
1,131 | 2026-02-23T10:53:47.149000Z | 2026-02-23T10:53:47.149000Z | Lec. | Alternate, but less common, approaches include phonology (the spoken language) and the number of phonemes (sounds). | false | true | false | |
1,130 | 2026-02-23T10:53:45.388000Z | 2026-02-23T16:02:45.183000Z | Lec. | Most commonly, length is based on orthography (conventional spelling rules) and counting the number of written letters | Most commonly, the length is based on orthography (conventional spelling rules) and counting the number of written letters. | false | true | true |
1,129 | 2026-02-23T10:53:43.608000Z | 2026-02-23T10:53:43.608000Z | Lec. | The length of a word may also be understood in multiple ways | false | true | false | |
1,128 | 2026-02-23T10:53:41.835000Z | 2026-02-23T15:56:09.373000Z | Lec. | Different dictionaries include and omit different words | Разные словари включают и исключают разные слова. | false | true | true |
1,127 | 2026-02-23T10:53:40.240000Z | 2026-02-23T13:28:52.233000Z | Lec. | Additionally, comparisons are complicated because place names may be considered words, technical terms may be arbitrarily long, and the addition of suffixes and prefixes may extend the length of words to create grammatically correct but unused or novel words | Additionally, comparisons are complicated because place names may be considered words, technical terms may be arbitrarily long, and the addition of suffixes and prefixes may extend the length of words to create grammatically correct but unused or novel words. | false | true | true |
1,126 | 2026-02-23T10:53:38.668000Z | 2026-02-23T10:53:38.668000Z | Lec. | Words may be derived naturally from the language's roots or formed by coinage and construction | false | true | false | |
1,125 | 2026-02-23T10:53:36.942000Z | 2026-02-23T10:53:36.942000Z | Lec. | Протестировали наше приложение | false | true | false | |
1,124 | 2026-02-23T10:53:33.949000Z | 2026-02-23T10:53:33.949000Z | Lec. | The identity of the longest word in English depends on the definition of "word" and of length | false | true | false | |
1,123 | 2026-02-23T10:53:32.202000Z | 2026-02-23T10:53:32.202000Z | Lec. | Isensee et al. – Текст : электронный // Nature Methods. – 2021. – V. 18. – С. 7–9. – URL: https://www.nature.com/articles/s41592-020-01008-z (дата обращения: 04.03.2025). | false | false | false | |
1,122 | 2026-02-23T10:53:29.925000Z | 2026-02-23T10:53:29.925000Z | Lec. | Isensee, F. nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation / F | false | false | false | |
1,121 | 2026-02-23T10:53:28.126000Z | 2026-02-23T10:53:28.126000Z | Lec. | Kamnitsas et al. – Текст : электронный // Medical Image Analysis. – 2017. – V. 36. – С. 3–4. – URL: https://www.sciencedirect.com/science/article/pii/S1361841517301048 (дата обращения: 01.03.2025) | false | false | false | |
1,120 | 2026-02-23T10:53:25.964000Z | 2026-02-23T10:53:25.964000Z | Lec. | Efficient multi-scale 3D CNN with fully connected CRF for accurate brain lesion segmentation / K | false | false | false | |
1,119 | 2026-02-23T10:53:24.089000Z | 2026-02-23T10:53:24.089000Z | Lec. | Kamnitsas, K | true | false | false | |
1,118 | 2026-02-23T10:53:22.569000Z | 2026-02-23T10:53:22.569000Z | Lec. | Ahmadi. – Текст : электронный // International Conference on 3D Vision (3DV). – IEEE, 2016. – С. 1–5. – URL: https://ieeexplore.ieee.org/document/7785132 (дата обращения: 01.03.2024) | false | false | false | |
1,117 | 2026-02-23T10:53:20.443000Z | 2026-02-23T10:53:20.443000Z | Lec. | Navab, S.-A | false | false | false | |
1,116 | 2026-02-23T10:53:18.876000Z | 2026-02-23T10:53:18.876000Z | Lec. | Milletari, N | false | false | false | |
1,115 | 2026-02-23T10:53:17.505000Z | 2026-02-23T10:53:17.505000Z | Lec. | V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation / F | false | true | false | |
1,114 | 2026-02-23T10:53:15.741000Z | 2026-02-23T10:53:15.741000Z | Lec. | Milletari, F | false | false | false | |
1,113 | 2026-02-23T10:53:14.183000Z | 2026-02-23T10:53:14.183000Z | Lec. | С. 1–5. – URL: https://arxiv.org/abs/1505.04597 (дата обращения: 28.02.2025) | false | false | false | |
1,112 | 2026-02-23T10:53:12.102000Z | 2026-02-23T10:53:12.102000Z | Lec. | Brox. – Текст : электронный // arXiv preprint. – 2015. – No 1505.04597 | false | false | false | |
1,111 | 2026-02-23T10:53:10.222000Z | 2026-02-23T10:53:10.222000Z | Lec. | Ronneberger, P | false | false | false | |
1,110 | 2026-02-23T10:53:08.755000Z | 2026-02-23T17:06:22.884000Z | Lec. | U-Net: Convolutional Networks for Biomedical Image Segmentation / O | U-Net: Convolutional Networks for Biomedical Image Segmentation. | false | true | true |
1,109 | 2026-02-23T10:53:07.016000Z | 2026-02-23T10:53:07.016000Z | Lec. | Ronneberger, O | false | false | false | |
1,108 | 2026-02-23T10:53:05.403000Z | 2026-02-23T13:33:11.004000Z | Lec. | СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ: | СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ: | false | true | true |
1,107 | 2026-02-23T10:53:03.903000Z | 2026-02-23T10:53:03.903000Z | Lec. | Таким образом, nnU-Net обладает высоким потенциалом для клинического применения, но её использование должно быть строго контролируемым, выступая как вспомогательный инструмент для ускорения работы врачей, а не заменяя их экспертное мнение | false | true | false | |
1,106 | 2026-02-23T10:53:02.090000Z | 2026-02-23T17:53:07.891000Z | Lec. | Это включает определение случаев, в которых автоматическая разметка может применяться без изменений, а также ситуаций, требующих ручной корректировки | Это включает определение случаев, в которых автоматическая разметка может применяться без изменений, а также ситуации, требующие ручной корректировки | false | true | true |
1,105 | 2026-02-23T10:53:00.436000Z | 2026-02-23T18:13:14.989000Z | Lec. | Кроме того, требуется разработка четкого протокола взаимодействия, который регламентирует использование модели врачами | Кроме того, требуется разработка четкого протокола взаимодействия, который регламентирует использование модели врачами. | false | true | true |
1,104 | 2026-02-23T10:52:58.727000Z | 2026-02-23T16:28:30.490000Z | Lec. | Это позволит убедиться в её стабильности и универсальности | Это позволит убедиться в ее стабильности и универсальности | false | true | true |
1,103 | 2026-02-23T10:52:57.013000Z | 2026-02-23T10:52:57.013000Z | Lec. | В первую очередь, важно протестировать модель на КТ-изображениях из различных медицинских учреждений, учитывая вариативность сканеров и протоколов съемки | false | true | false | |
1,102 | 2026-02-23T10:52:55.373000Z | 2026-02-23T13:45:17.113000Z | Lec. | Перед внедрением модели в клиническую практику необходимо провести дополнительные исследования, направленные на оценку её надежности и адаптации к реальным условиям | Перед внедрением модели в клиническую практику необходимо провести дополнительные исследования, направленные на оценку ее надежности и адаптации к реальным условиям. | false | true | true |
1,101 | 2026-02-23T10:52:53.649000Z | 2026-02-23T10:52:53.649000Z | Lec. | Врач должен выступать в роли финального эксперта, проверяющего и, при необходимости, корректирующего результаты сегментации | false | true | false | |
1,100 | 2026-02-23T10:52:51.804000Z | 2026-02-23T15:40:05.185000Z | Lec. | Разработанная модель сегментации на основе nnU-Net обладает высокой точностью, однако в медицинской практике даже небольшие ошибки могут иметь критические последствия, поэтому её использование должно происходить исключительно под контролем специалистов | Разработанная модель сегментации на основе nnUNet обладает высокой точностью, однако в медицинской практике даже небольшие ошибки могут иметь критические последствия, поэтому ее использование должно происходить исключительно под контролем специалистов | false | true | true |
1,099 | 2026-02-23T10:52:50.143000Z | 2026-02-23T13:40:33Z | Lec. | Всего для полного обучения модели потребовалось 14 часов | Для полного обучения модели потребовалось 14 часов. | false | true | true |
1,098 | 2026-02-23T10:52:48.430000Z | 2026-02-23T10:52:48.430000Z | Lec. | Продолжительность обучения одной эпохи составляла приблизительно 400 секунд | false | true | false | |
1,097 | 2026-02-23T10:52:46.694000Z | 2026-02-23T16:07:26.321000Z | Lec. | Рис.1 График обучения модели | Рис.1 - График обучения модели | false | true | true |
1,096 | 2026-02-23T10:52:44.832000Z | 2026-02-23T10:52:44.832000Z | Lec. | Наилучший результат, зафиксированный на тестовой выборке по выбранной метрике, составил 0.93 | false | true | false | |
1,095 | 2026-02-23T10:52:43.250000Z | 2026-02-23T10:52:43.250000Z | Lec. | Обучение модели происходило в течение 130 эпох (Рис. 1) | false | true | false | |
1,094 | 2026-02-23T10:52:41.506000Z | 2026-02-23T10:52:41.506000Z | Lec. | В случае медицинской сегментации важно, чтобы метрику было легко проинтерпретировать, поэтому мы используем метрику Pseudo Dice: | false | true | false | |
1,093 | 2026-02-23T10:52:39.948000Z | 2026-02-23T13:50:31.497000Z | Lec. | Не менее важной частью обучения является выбор метрики качества, которая показывает, насколько точно модель решает, поставленную задачу | Не менее важной частью обучения является выбор метода оценки качества, который показывает, насколько точно модель решает поставленную задачу | false | true | true |
1,092 | 2026-02-23T10:52:38.315000Z | 2026-02-23T10:52:38.315000Z | Lec. | В качестве функции потери в нашей модели используется комбинация Dice и кросс-энтропии:. = 1 - | false | true | false | |
1,091 | 2026-02-23T10:52:36.768000Z | 2026-02-23T10:52:36.768000Z | Lec. | Самым важным аспектом при обучении модели является выбор функции потерь, поскольку от нее зависит, насколько хорошо алгоритм оптимизирует веса | false | true | false | |
1,090 | 2026-02-23T10:52:34.997000Z | 2026-02-23T13:30:31.979000Z | Lec. | ОБУЧЕНИЕ МОДЕЛИ | ОБУЧЕНИЕ МОДЕЛИ | false | true | true |
1,089 | 2026-02-23T10:52:33.210000Z | 2026-02-23T18:01:58.721000Z | Lec. | Последним шагом в предобработке данных является нормализация интенсивностей, которая выполняется с помощью метода z-score | Последним шагом в предобработке данных является нормализация интенсивностей, которая выполняется с помощью метода z-score. | false | true | true |
1,088 | 2026-02-23T10:52:31.577000Z | 2026-02-23T13:28:46.288000Z | Lec. | В качестве метода ресемплинга используется трилинейная интерполяция | В качестве метода ресемплинга используется трилинейная интерполирование. | false | true | true |
1,087 | 2026-02-23T10:52:29.782000Z | 2026-02-23T10:52:29.782000Z | Lec. | Размеры вокселя или пикселя могут различаться между разными томографами, поэтому изображения необходимо привести к единому разрешению | false | true | false | |
1,086 | 2026-02-23T10:52:28.108000Z | 2026-02-23T16:42:33.946000Z | Lec. | Далее проводится процедура ресемплинга | Далее проводится процедура ресемплинга. | false | true | true |
1,085 | 2026-02-23T10:52:26.578000Z | 2026-02-23T13:27:31.670000Z | Lec. | Это позволяет снизить вычислительную нагрузку при обучении модели, а также сфокусироваться на наиболее информативной для сегментации части изображения | Это позволяет снизить вычислительную нагрузку при обучении модели. А также сфокусироваться на наиболее информативной части изображения для сегментации. | false | true | true |
1,084 | 2026-02-23T10:52:24.757000Z | 2026-02-23T10:52:24.757000Z | Lec. | На первом этапе происходит обрезка каждого изображения до региона интереса, в котором содержится минимальное количество фоновых пикселей | false | true | false | |
1,083 | 2026-02-23T10:52:23.192000Z | 2026-02-23T17:23:02.137000Z | Lec. | Предобработка изображений является частью автоматизированного конвейера сегментации, поэтому пользователь никак не может вмешиваться в этот процесс | Предобработка изображений является частью автоматизированного конвейера сегментации. Пользователь в этот процесс не может вмешаться. | false | true | true |
1,082 | 2026-02-23T10:52:21.534000Z | 2026-02-23T10:52:21.534000Z | Lec. | Данные были разделены на 5 частей для проведения кросс-валидации | false | true | false | |
1,081 | 2026-02-23T10:52:19.303000Z | 2026-02-23T13:25:25.526000Z | Lec. | Разметка состояла из 3 масок: аорты, сердца, легочной артерии и её ветвей | Разметка состояла из 3 масок: аорты, сердца и легочной артерии с ее ветвями | false | true | true |
1,080 | 2026-02-23T10:52:17.669000Z | 2026-02-23T13:40:46.117000Z | Lec. | В качестве исходных данных был использован размеченный датасет из 194 снимков КТ с размерами 512x512 пикселей | В качестве исходных данных был использован размеченный датасет из 194 снимков КТ с разрешением 512x512 пикселей | false | true | true |
1,079 | 2026-02-23T10:52:15.559000Z | 2026-02-23T10:52:15.559000Z | Lec. | ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ДАННЫХ | false | true | false | |
1,078 | 2026-02-23T10:52:14.027000Z | 2026-02-23T10:52:14.027000Z | Lec. | Это позволяет nnU-Net демонстрировать хорошие результаты на различных медицинских наборах данных, превосходя другие подходы в плане обобщающей способности и простоты применения на практике | false | true | false | |
1,077 | 2026-02-23T10:52:12.229000Z | 2026-02-23T10:52:12.229000Z | Lec. | Особое место среди автоматизированных решений занимает фреймворк nnU-Net, который был представлен как универсальный фреймворк, способный автоматически адаптировать архитектуру сети и стратегию предобработки данных под конкретные задачи медицинской сегментации [4] | false | true | false | |
1,076 | 2026-02-23T10:52:10.320000Z | 2026-02-23T10:52:10.320000Z | Lec. | Ещё одним значимым решением стала архитектура DeepMedic, в которой реализован многомасштабный анализ, позволяющий учитывать разнородность медицинских данных, что является важным преимуществом в задачах медицинской сегментации [3] | false | true | false | |
1,075 | 2026-02-23T10:52:08.456000Z | 2026-02-23T16:31:37.868000Z | Lec. | В архитектуре V-Net применяются 3D-свертки и функция потерь Dice, что позволяет учитывать специфику медицинских задач и улучшает результаты сегментации трёхмерных объектов [2] | В архитектуре V-Net применяются 3D-свертки и функция потерь Dice, что позволяет учитывать специфику медицинских задач и улучшает результаты сегментации трёхмерных объектов.[2] | false | true | true |
1,074 | 2026-02-23T10:52:06.690000Z | 2026-02-23T10:52:06.690000Z | Lec. | Позднее были предложены различные модификации U-Net, такие как V-Net, разработанная специально для обработки объемных медицинских изображений | false | true | false | |
1,073 | 2026-02-23T10:52:04.941000Z | 2026-02-23T13:33:32.973000Z | Lec. | Данная архитектура отличается симметричной конструкцией и позволяет эффективно извлекать пространственные особенности изображений, что обеспечивает высокие показатели точности сегментации | Данная архитектура отличается симметричной конструкцией и позволяет эффективно извлекать пространственные особенности изображений, что обеспечивает высокие показатели точности сегментации. | false | true | true |
1,072 | 2026-02-23T10:52:03.140000Z | 2026-02-23T16:09:18.686000Z | Lec. | Одним из первых и наиболее распространенных методов стала архитектура U-Net, изначально предложенная для биомедицинских изображений [1] | Одним из первых и наиболее распространенных методов стала архитектура U-Net, изначально предложенная для биомедицинских изображений [1]. | false | true | true |
1,071 | 2026-02-23T10:52:01.341000Z | 2026-02-23T10:52:01.341000Z | Lec. | В современных подходах к сегментации сердца и аорты на КТ-снимках активно применяются модели глубокого обучения | false | true | false | |
1,070 | 2026-02-23T10:51:59.478000Z | 2026-02-23T13:41:00.233000Z | Lec. | ОБЗОР СУЩЕСТВУЮЩИХ РЕШЕНИЙ | ОБЗОР СУЩЕСТВУЮЩИХ РЕШЕНИЙ | false | true | true |
1,069 | 2026-02-23T10:51:57.738000Z | 2026-02-23T10:51:57.738000Z | Lec. | Целью данного исследования является разработка и апробация автоматизированного решения для сегментации сердца и аорты на снимках компьютерной томографии с использованием современного фреймворка глубокого обучения nnU-Net | false | true | false | |
1,068 | 2026-02-23T10:51:55.444000Z | 2026-02-23T10:51:55.444000Z | Lec. | Внедрение автоматизированных методов сегментации на основе глубокого обучения позволяет существенно ускорить процесс диагностики и повысить точность результатов | false | true | false | |
1,067 | 2026-02-23T10:51:53.535000Z | 2026-02-23T10:51:53.535000Z | Lec. | Однако ручная сегментация анатомических структур является трудоемкой и подверженной субъективным ошибкам задачей | false | true | false | |
1,066 | 2026-02-23T10:51:51.888000Z | 2026-02-23T13:30:00.313000Z | Lec. | Современные методы медицинской визуализации, такие как компьютерная томография (КТ), широко используются в диагностике сердечно-сосудистых заболеваний | Современные методы медицинской визуализации, такие как компьютерная томография (КТ), широко используются при диагностике сердечно-сосудистых заболеваний. | false | true | true |
1,065 | 2026-02-23T10:51:50.101000Z | 2026-02-23T10:51:50.101000Z | Lec. | Результатом семантической сегментации является карта, на которой выделены области объектов разных классов | false | true | false | |
1,064 | 2026-02-23T10:51:48.353000Z | 2026-02-23T10:51:48.353000Z | Lec. | Одной из ключевых задач компьютерного зрения является семантическая сегментация, которая направлена на классификацию каждого пикселя изображения в соответствии с заранее заданными категориями объектов | false | true | false | |
1,063 | 2026-02-23T10:51:46.588000Z | 2026-02-23T10:51:46.588000Z | Lec. | Данный процесс не ограничивается простым распознаванием объектов, а предполагает способность систем принимать решения и делать выводы на основе проанализированных данных | false | true | false | |
1,062 | 2026-02-23T10:51:44.954000Z | 2026-02-23T13:38:16.762000Z | Lec. | Computer Vision) - область искусственного интеллекта, направленная на разработку алгоритмов и систем, которые обеспечивают автоматический анализ и интерпретацию визуальной информации, включая изображения и видеоматериалы | Computer Vision) - область искусственного интеллекта, направленная на разработку алгоритмов и систем, которые обеспечивают автоматический анализ и интерпретацию визуальной информации, включая изображения и видеоматериалы. | false | true | true |
1,061 | 2026-02-23T10:51:43.185000Z | 2026-02-23T10:51:43.185000Z | Lec. | Компьютерное зрение (англ | false | true | false | |
1,060 | 2026-02-23T10:51:41.563000Z | 2026-02-23T13:30:53.902000Z | Lec. | Результатами данного исследования являются модель сегментации на основе нейронной сети и анализ применимости модели в клинической практике | Результатами данного исследования является модель сегментации на основе нейронной сети. Анализ применимости модели в клинической практике. | false | true | true |
1,059 | 2026-02-23T10:51:39.827000Z | 2026-02-23T13:34:49.770000Z | Lec. | В рамках экспериментов были использованы размеченные снимки КТ, предоставленные Медицинским институтом, ФГБО ВО Орловского государственного университета им | В рамках экспериментов были использованы размеченные снимки КТ, предоставленные Медицинским институтом, ФГБОУ ВО Орловского государственного университета имени | false | true | true |
1,058 | 2026-02-23T10:51:38.157000Z | 2026-02-23T16:24:50.337000Z | Lec. | В работе рассматривается применение автоматизированного фреймворка nnU-Net для сегментации сердца и аорты на снимках компьютерной томографии | В работе рассматривается применение автоматизированного фреймворка nnU-Net для сегментации сердца и аорты на снимках компьютерной томографии. | false | true | true |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.