id int64 18 21.1k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 16:54:39 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 16:54:39 | 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 |
|---|---|---|---|---|---|---|---|---|
4,807 | 2026-02-23T12:45:49.440000Z | 2026-02-23T12:45:49.440000Z | Lec. | Оценка и рейтинг поставщиков на основании исторических данных | false | true | false | |
4,806 | 2026-02-23T12:45:47.868000Z | 2026-02-23T12:45:47.868000Z | Lec. | Интеграция с системой управления взаимоотношениями с поставщиками | false | true | false | |
4,805 | 2026-02-23T12:45:46.349000Z | 2026-02-23T13:39:57.408000Z | Lec. | Разработка алгоритмов для оценки и выбора поставщиков на основе многокритериального анализа (стоимость, качество, сроки поставки и т. д.) | Разработка алгоритмов для оценки и выбора поставщиков на основе многокритериального анализа (стоимость, качество, сроки поставки и т.п.). | false | true | true |
4,804 | 2026-02-23T12:45:44.733000Z | 2026-02-23T12:45:44.733000Z | Lec. | Функциональные требования: | false | true | false | |
4,803 | 2026-02-23T12:45:40.098000Z | 2026-02-23T13:42:25.295000Z | Lec. | Минимизировать риски, связанные с поставками | Минимизировать риски, связанные с поставками - неверно. Правильный вариант: минимизировать риски, связанные с поставками. | false | true | true |
4,802 | 2026-02-23T12:45:38.574000Z | 2026-02-23T12:45:38.574000Z | Lec. | Улучшить качество закупаемых товаров и услуг | false | true | false | |
4,801 | 2026-02-23T12:45:37.062000Z | 2026-02-23T16:30:22.038000Z | Lec. | Оптимизировать затраты на закупки | Оптимизировать затраты на закупки -> Сократить затраты на закупки | false | true | true |
4,800 | 2026-02-23T12:45:35.616000Z | 2026-02-23T18:18:45.684000Z | Lec. | Обеспечить эффективный и прозрачный процесс подбора поставщиков | Обеспечить эффективный и прозрачный процесс подбора поставщиков. | false | true | true |
4,799 | 2026-02-23T12:45:34.180000Z | 2026-02-23T13:38:33.021000Z | Lec. | Цели и задачи системы: | Цели и задачи системы: | false | true | true |
4,798 | 2026-02-23T12:45:32.685000Z | 2026-02-23T16:37:23.959000Z | Lec. | Требования к структуре и функционированию системы для бизнес-процесса "Подбор поставщика и разработка стратегии закупок" для предприятия АО "ЕВРАЗ НТМК", включает следующие ключевые элементы: | Требования к структуре и функционированию системы для бизнес-процесса "Подбор поставщика и разработка стратегии закупок" для предприятия АО "ЕВРАЗ НТМК", включают следующие ключевые элементы: | false | true | true |
4,797 | 2026-02-23T12:45:30.698000Z | 2026-02-23T12:45:30.698000Z | Lec. | Ссылка на промо: https://game.lexiqo.ru/. | false | false | false | |
4,796 | 2026-02-23T12:45:28.901000Z | 2026-02-23T12:45:28.902000Z | Lec. | Направление подготовки 01.04.02 « Прикладная математика и информатика» | false | false | false | |
4,795 | 2026-02-23T12:45:26.546000Z | 2026-02-23T12:45:26.546000Z | Lec. | Случайные блуждания и ветвящиеся процессы в случайной среде. 2000. . 1. | false | true | false | |
4,794 | 2026-02-23T12:45:24.572000Z | 2026-02-23T12:45:24.572000Z | Lec. | Vol. 10, No 1 | false | false | false | |
4,793 | 2026-02-23T12:45:23.190000Z | 2026-02-23T12:45:23.191000Z | Lec. | Глава 21, Номер 4. 37 | false | false | false | |
4,792 | 2026-02-23T12:45:21.661000Z | 2026-02-23T12:45:21.661000Z | Lec. | Глава 2020, Номер 2 (8). стр. 11–16. 36 | false | false | false | |
4,791 | 2026-02-23T12:45:19.888000Z | 2026-02-23T12:45:19.888000Z | Lec. | Ссылка: https://urss.ru/cgi-bin/db.pl?lang=Ru&blang=ru&page=Book&id=190633&srsltid=AfmBOopatzSikQZLSacYMH77GkRUMJsy9uobPh8NmGD7lOBwH-ksrbTu (31.01.2025). 35 | false | false | false | |
4,790 | 2026-02-23T12:45:17.974000Z | 2026-02-23T12:45:17.974000Z | Lec. | Зеликин М.И. / Оптимальное управление и вариационное исчисление | true | false | false | |
4,789 | 2026-02-23T12:45:16.367000Z | 2026-02-23T12:45:16.367000Z | Lec. | Vol. 169, No 2 | false | false | false | |
4,788 | 2026-02-23T12:45:14.593000Z | 2026-02-23T12:45:14.593000Z | Lec. | Глава 64, Номер 3. стр. 202–207. 25 | false | false | false | |
4,787 | 2026-02-23T12:45:12.802000Z | 2026-02-23T12:45:12.802000Z | Lec. | Стр. 117–127. 24 | false | false | false | |
4,786 | 2026-02-23T12:45:11.218000Z | 2026-02-23T12:45:11.218000Z | Lec. | Реализация сигмоидной функции активации с помощью концепции перестраиваемых вычислительных сред // Томский Государственный Университет, 2022 | false | false | false | |
4,785 | 2026-02-23T12:45:09.445000Z | 2026-02-23T12:45:09.445000Z | Lec. | Vol. 8, No 3 | false | false | false | |
4,784 | 2026-02-23T12:45:07.881000Z | 2026-02-23T12:45:07.881000Z | Lec. | Vol. 12, No 12 | false | false | false | |
4,783 | 2026-02-23T12:45:06.288000Z | 2026-02-23T12:45:06.288000Z | Lec. | Vol. 9, No 2. 21 | false | false | false | |
4,782 | 2026-02-23T12:45:04.583000Z | 2026-02-23T12:45:04.583000Z | Lec. | Vol. 42, No 6 | false | false | false | |
4,781 | 2026-02-23T12:45:02.996000Z | 2026-02-23T12:45:02.996000Z | Lec. | Vol. 10, No 12 | false | false | false | |
4,780 | 2026-02-23T12:45:01.422000Z | 2026-02-23T12:45:01.422000Z | Lec. | Ссылка: https://elibrary.ru/item.asp?id=48096000 (31.01.2025). 16 | false | false | false | |
4,779 | 2026-02-23T12:44:59.683000Z | 2026-02-23T13:36:37.608000Z | Lec. | Метод активных контуров для сегментации изображений | Метод активных контуров для сегментации изображений | false | true | true |
4,778 | 2026-02-23T12:44:58.161000Z | 2026-02-23T12:44:58.161000Z | Lec. | Vol. 10, No 4 | false | false | false | |
4,777 | 2026-02-23T12:44:56.579000Z | 2026-02-23T12:44:56.579000Z | Lec. | Mashtakov A.P.., Putinceva K.A | true | false | false | |
4,776 | 2026-02-23T12:44:55.004000Z | 2026-02-23T12:44:55.004000Z | Lec. | Ссылка: http://synergy-journal.ru/archive/article5127 (31.01.2025). 13 | false | false | false | |
4,775 | 2026-02-23T12:44:53.005000Z | 2026-02-23T12:44:53.005000Z | Lec. | Использование фильтров Габора для распознавания лиц на изображении | false | true | false | |
4,774 | 2026-02-23T12:44:51.284000Z | 2026-02-23T12:44:51.284000Z | Lec. | Vol. 25, No 12 | false | false | false | |
4,773 | 2026-02-23T12:44:49.717000Z | 2026-02-23T12:44:49.717000Z | Lec. | Глава 85, Номер 2. стр. 28–32. 10 | false | false | false | |
4,772 | 2026-02-23T12:44:47.961000Z | 2026-02-23T12:44:47.961000Z | Lec. | Частное предприятие, Владислав Иванов, 2022 | true | true | false | |
4,771 | 2026-02-23T12:44:46.518000Z | 2026-02-23T12:44:46.518000Z | Lec. | Глава 5, Номер 1. 9 | false | false | false | |
4,770 | 2026-02-23T12:44:44.971000Z | 2026-02-23T12:44:44.971000Z | Lec. | Vol. 5, No 1 | false | false | false | |
4,769 | 2026-02-23T12:44:43.386000Z | 2026-02-23T12:44:43.386000Z | Lec. | Vol. 19, No 1–2 | false | false | false | |
4,768 | 2026-02-23T12:44:41.448000Z | 2026-02-23T12:44:41.448000Z | Lec. | Разработка приложения, включающего в себя раннее упомянутый функционал | false | true | false | |
4,767 | 2026-02-23T12:44:39.861000Z | 2026-02-23T16:06:51.532000Z | Lec. | Поэтому, для успешного создания корректно работающей системы, опираясь на сделанный обзор литературы, требуется решить следующие задачи: | Для успешного создания корректно работающей системы, опираясь на сделанный обзор литературы, требуется решить следующие задачи. | false | true | true |
4,766 | 2026-02-23T12:44:37.912000Z | 2026-02-23T16:29:21.360000Z | Lec. | Сутью данной работы является разработка полноценного сервиса для работы с МРТ сканированием позвоночных артерий | Суть данной работы - разработка полноценного сервиса для работы с МРТ-сканированием позвоночных артерий. | false | true | true |
4,765 | 2026-02-23T12:44:36.164000Z | 2026-02-23T13:50:43.680000Z | Lec. | Подводя итог по обзору литературы, можно сделать выводы, что существует множество эффективных методов решения задачи сегментации медицинских изображений | Подводя итог обзору литературы, можно сделать выводы о том, что существует множество эффективных методов решения задачи сегментации медицинских изображений. | false | true | true |
4,764 | 2026-02-23T12:44:34.516000Z | 2026-02-23T17:16:32.367000Z | Lec. | После нахождении оптимальной комбинации для решения задачи сегментации, в будущем модель возьмется за основу при разработке полноценного приложения и базы данных | После нахождения оптимальной комбинации для решения задачи сегментации, в будущем модель возьмется за основу при разработке полноценного приложения и базы данных. | false | true | true |
4,763 | 2026-02-23T12:44:32.977000Z | 2026-02-23T16:54:00.940000Z | Lec. | Это означает, что для нахождения эффективных и результативных решений ко всем трем этапам необходимо провести крупный сравнительный анализ доступных методов, которые были описаны в обзоре литературы | Это означает, что для нахождения эффективных и результативных решений ко всем трем этапам необходимо провести крупный сравнительный анализ доступных методов, которые были описаны в обзоре литературы. | false | true | true |
4,762 | 2026-02-23T12:44:31.293000Z | 2026-02-23T18:08:48.728000Z | Lec. | Из обзора литературы следует, что существует множество подходов ко всем трем этапам задачи сегментации: предобработка, выбор архитектуры нейросетевой модели и оценка результатов | Из обзора литературы следует, что существует множество подходов к предобработке, выбору архитектуры нейросетевой модели и оценке результатов. | false | true | true |
4,761 | 2026-02-23T12:44:29.565000Z | 2026-02-23T13:41:58.958000Z | Lec. | Хотя статья ориентирована на задачи сегментации белого вещества, многие из рассмотренных методов адаптируемы для задач сегментации сосудов | Хотя статья ориентирована на задачи сегментации белого вещества, многие из рассмотренных методов адаптируемы для задач сегментации сосудов. | false | true | true |
4,760 | 2026-02-23T12:44:27.818000Z | 2026-02-23T12:44:27.818000Z | Lec. | Данный подход адаптируем для задач сегментации позвоночных артерий, где важно учитывать форму и размер сосудов | false | true | false | |
4,759 | 2026-02-23T12:44:26.136000Z | 2026-02-23T12:44:26.136000Z | Lec. | Этот метод помог точнее выделить тонкие структуры сосудов на фоне окружающих тканей | false | true | false | |
4,758 | 2026-02-23T12:44:24.407000Z | 2026-02-23T12:44:24.407000Z | Lec. | Region Growing в сравнении с классическими методами [35] | false | true | false | |
4,757 | 2026-02-23T12:44:22.882000Z | 2026-02-23T12:44:22.882000Z | Lec. | Результат исследования, зафиксированный в таблице 2, показал, что наращивание региона справляется с задачей сегментации намного лучше, чем традиционные методы | false | true | false | |
4,756 | 2026-02-23T12:44:21.023000Z | 2026-02-23T12:44:21.023000Z | Lec. | Затем Region Growing был сравнен с морфологическими методами и K-mean | false | false | false | |
4,755 | 2026-02-23T12:44:19.399000Z | 2026-02-23T12:44:19.399000Z | Lec. | Для этого решается уравнение Эйлера-Лагранжа [34], минимизирующее энергию контура:. где F(ϕ) – функционал, зависящий от изображения и геометрии сегментируемого объекта | false | true | false | |
4,754 | 2026-02-23T12:44:17.728000Z | 2026-02-23T12:44:17.728000Z | Lec. | Комбинированные подходы, сочетающие традиционные методы и глубокое обучение, позволяют улучшить качество сегментации в сложных случаях еще лучше в сравнении с одношаговыми методами | false | true | false | |
4,753 | 2026-02-23T12:44:15.964000Z | 2026-02-23T12:44:15.964000Z | Lec. | Сравнение моделей для задачи сегментации яичников [21] | false | false | false | |
4,752 | 2026-02-23T12:44:14.318000Z | 2026-02-23T13:26:25.708000Z | Lec. | Предложенная архитектура смогла показать результат лучше в сравнении с другими моделями в задаче сегментации яичников, что продемонстрировано в таблице 1 | Предложенная архитектура смогла показать результат лучше, чем другие модели в задаче сегментации яичников, что показано в таблице 1. | false | true | true |
4,751 | 2026-02-23T12:44:12.556000Z | 2026-02-23T12:44:12.556000Z | Lec. | T – входные признаки | false | false | false | |
4,750 | 2026-02-23T12:44:11.072000Z | 2026-02-23T13:28:45.034000Z | Lec. | ReLU – функция нелинейности [25], | ReLU – функция нелинейности,[25] | false | true | true |
4,749 | 2026-02-23T12:44:09.420000Z | 2026-02-23T12:44:09.420000Z | Lec. | Данный блок описывается следующей формулой:. где – сигмоидная функция активации [23],. – веса двух гармонических сверточных слоев [24], | false | false | false | |
4,748 | 2026-02-23T12:44:07.576000Z | 2026-02-23T12:44:07.576000Z | Lec. | В частности, одной из предложенных раннее архитектур является HaTU-Net [21] | false | true | false | |
4,747 | 2026-02-23T12:44:05.936000Z | 2026-02-23T17:08:32.424000Z | Lec. | Например, использование множества атласов позволяет точнее выделять тонкие структуры сосудов на фоне окружающих тканей | Например, использование множества атласов позволяет точнее выделять тонкие структуры сосудов на фоне окружающих тканей. | false | true | true |
4,746 | 2026-02-23T12:44:04.188000Z | 2026-02-23T12:44:04.188000Z | Lec. | Этот подход полезен для задач сегментации позвоночных артерий, где важно учитывать анатомические особенности | false | true | false | |
4,745 | 2026-02-23T12:44:02.564000Z | 2026-02-23T12:44:02.564000Z | Lec. | Например, использование априорных знаний позволяет сети точнее выделять тонкие структуры сосудов на фоне окружающих тканей | false | true | false | |
4,744 | 2026-02-23T12:44:00.834000Z | 2026-02-23T18:16:56.506000Z | Lec. | Этот подход адаптируем для задач сегментации позвоночных артерий, где априорные знания о форме и расположении сосудов помогают улучшить результаты задачи сегментации | Этот подход адаптируется для задач сегментации позвоночных артерий, где априорные знания о форме и расположении сосудов могут помочь улучшить результаты задачи сегментации. | false | true | true |
4,743 | 2026-02-23T12:43:59.257000Z | 2026-02-23T12:43:59.257000Z | Lec. | Архитектура нейросетевой модели U-Net [7] | false | true | false | |
4,742 | 2026-02-23T12:43:57.388000Z | 2026-02-23T12:43:57.388000Z | Lec. | С развитием глубокого обучения методы, основанные на сверточных нейронных сетях (CNN) [17], стали стандартом для задач сегментации медицинских изображений, в частности архитектура U-Net [7], изображенная на рисунке 8 | false | true | false | |
4,741 | 2026-02-23T12:43:55.524000Z | 2026-02-23T17:35:09.558000Z | Lec. | Авторы показали, что K-means является полезным инструментом для предварительной обработки данных перед сегментацией, особенно в случаях, когда изображения содержат области с однородной текстурой | Авторы показали, что K-means является полезным инструментом для предварительной обработки данных перед сегментацией, особенно в случаях, когда изображения содержат области с однородной текстурой. | false | true | true |
4,740 | 2026-02-23T12:43:53.761000Z | 2026-02-23T12:43:53.761000Z | Lec. | Хотя K-means чаще используется для задач классификации, он также применяется для выделения областей с однородной текстурой | false | true | false | |
4,739 | 2026-02-23T12:43:52.219000Z | 2026-02-23T18:25:22.207000Z | Lec. | Методы на основе кластеризации, такие как K-means, также применяются для задач сегментации изображений | Методы на основе кластеризации, такие как K-means, также применяются для задач сегментации изображений. | false | true | true |
4,738 | 2026-02-23T12:43:50.333000Z | 2026-02-23T12:43:50.333000Z | Lec. | Результат работы метода активного контура [15] | false | true | false | |
4,737 | 2026-02-23T12:43:48.615000Z | 2026-02-23T13:37:13.678000Z | Lec. | Он позволяет адаптировать контур к форме объекта, что делает его особенно полезным для задач сегментации сложных структур, таких как сосуды | Он позволяет адаптирует контур к форме объекта, что делает его особенно полезным для задач сегментации сложных структур, таких как сосуды | false | true | true |
4,736 | 2026-02-23T12:43:47.055000Z | 2026-02-23T13:25:27.926000Z | Lec. | На рисунке 7 продемонстрирована работа данного метода | На рисунке 7 показана работа данного метода | false | true | true |
4,735 | 2026-02-23T12:43:45.523000Z | 2026-02-23T18:02:33.367000Z | Lec. | В данной статье обсуждается применение метода активных контуров для задач сегментации медицинских изображений | В данной статье обсуждается применение метода активных контуров для задач сегментирования медицинских изображений | false | true | true |
4,734 | 2026-02-23T12:43:43.876000Z | 2026-02-23T16:19:14.776000Z | Lec. | Метод активных контуров является полезным инструментом для выделения позвоночных артерий, особенно в случаях, когда границы сосудов нечеткие | Метод активных контуров является полезным инструментом для выделения позвоночных артерий, особенно в случаях, когда границы сосудов неясны | false | true | true |
4,733 | 2026-02-23T12:43:42.123000Z | 2026-02-23T16:06:06.813000Z | Lec. | Этот метод основан на минимизации энергии, которая зависит от формы контура и градиента изображения:. где – внутренняя энергия контура,. – внешняя энергия контура | Этот метод основан на минимизации энергии, которая зависит от формы контура и градинта изображения: где – внутренняя энергия контура, – внешняя энергия контура. | false | true | true |
4,732 | 2026-02-23T12:43:40.355000Z | 2026-02-23T12:43:40.356000Z | Lec. | Активный контур обозначается параметрической кривой на плоскости изображения, определенную следующей формулой:. где s – параметр кривой,. x, y – координаты на плоскости изображения | false | true | false | |
4,731 | 2026-02-23T12:43:38.606000Z | 2026-02-23T16:35:42.520000Z | Lec. | Обработка изображений на основе модели зрения с помощью фильтра Габора [14] | Обработка изображений на основе модели зрения с помощью фильтра Габора [14] | false | true | true |
4,730 | 2026-02-23T12:43:36.852000Z | 2026-02-23T17:44:00.659000Z | Lec. | Для усиления различия между объектами и фоном используется метод нормализации контраста | Для усиления различия между объектами и фоном используется метод нормализации контраста. | false | true | true |
4,729 | 2026-02-23T12:43:35.241000Z | 2026-02-23T12:43:35.241000Z | Lec. | Из рисунка 6 видно, что эти методы позволяют выделять области с однородной текстурой | false | true | false | |
4,728 | 2026-02-23T12:43:33.442000Z | 2026-02-23T12:43:33.442000Z | Lec. | В данной ситуации применяются фильтры (включая фильтр Габора), которые выделяют локальные особенности изображения, такие как градиенты и текстуры | false | true | false | |
4,727 | 2026-02-23T12:43:31.746000Z | 2026-02-23T12:43:31.746000Z | Lec. | Как было упомянуто раннее, фильтры Габора широко применяются для анализа текстур изображений | false | true | false | |
4,726 | 2026-02-23T12:43:29.869000Z | 2026-02-23T12:43:29.869000Z | Lec. | Параметры изображения, выделенные с помощью фильтра Габора [11] | false | false | false | |
4,725 | 2026-02-23T12:43:27.861000Z | 2026-02-23T12:43:27.861000Z | Lec. | Фильтр определяется следующей формулой:. где x′ и y′ – координаты, повернутые на угол θ,. λ – длина волны,. σ – стандартное отклонение гауссиана,. ψ – фазовый сдвиг,. γ – коэффициент аспектного отношения [12] | false | true | false | |
4,724 | 2026-02-23T12:43:25.877000Z | 2026-02-23T12:43:25.877000Z | Lec. | Данная локализация продемонстрирована на рисунке 5 | false | true | false | |
4,723 | 2026-02-23T12:43:24.256000Z | 2026-02-23T15:57:33.089000Z | Lec. | Это позволяет локализовать как пространственные, так и частотные компоненты изображения | Это позволяет локализовывать как пространственные, так и частотные компоненты изображения | false | true | true |
4,722 | 2026-02-23T12:43:22.457000Z | 2026-02-23T17:10:50.674000Z | Lec. | К текстурной обработке относится Фильтр Габора [11], который представляет собой линейный фильтр, основанный на произведении гармонической функции (обычно синусоиды) | К текстурной обработке относится Фильтр Габора [11], который представляет собой линейный фильтр, основанный на произведении гармонической функции (обычно синусоиды). | false | true | true |
4,721 | 2026-02-23T12:43:20.697000Z | 2026-02-23T13:27:36.430000Z | Lec. | Результат работы фильтра Франги [10] | Результат работы фильтра Франга | false | true | true |
4,720 | 2026-02-23T12:43:18.975000Z | 2026-02-23T12:43:18.975000Z | Lec. | Из рисунка 4 можно заметить, что применение фильтра улучшает контраст между сосудами и окружающими тканями, что облегчает последующие обработки | false | true | false | |
4,719 | 2026-02-23T12:43:17.406000Z | 2026-02-23T12:43:17.406000Z | Lec. | Результат работы фильтра Винера [8] | false | true | false | |
4,718 | 2026-02-23T12:43:15.526000Z | 2026-02-23T12:43:15.526000Z | Lec. | Из недостатков – длительное количество времени для обработки в сравнении с аналогами | false | true | false | |
4,717 | 2026-02-23T12:43:13.776000Z | 2026-02-23T16:59:11.760000Z | Lec. | Данный подход имеет сильное преимущество над предыдущими фильтрами – он крайне эффективно сохраняет высокоинтенсивные границы и помогает избавиться от лишних шумов, это можно заметить на рисунке 3 | Данный подход имеет сильное преимущество над предыдущими фильтрами – он крайне эффективно сохраняет высокоинтенсивные границы и помогает избавиться от лишних шумов. Это можно заметить на рисунке 3. | false | true | true |
4,716 | 2026-02-23T12:43:12.196000Z | 2026-02-23T13:48:12.647000Z | Lec. | Фильтр задается следующей формулой:. где, – дисперсия шума,. ) – изначальное изображение,. – дисперсия в окрестности,. – среднее значение в окрестности маски | Фильтр задается следующей формулой: где σ — дисперсия шума, f(x,y) — исходное изображение, σ^2 — дисперсия в окрестности, μ — среднее значение в окрестности маски. | false | true | true |
4,715 | 2026-02-23T12:43:10.457000Z | 2026-02-23T12:43:10.457000Z | Lec. | Задачей фильтра является нахождение параметров для изображения, чтобы среднее квадратичное отклонение значений данных параметров было минимальным | false | true | false | |
4,714 | 2026-02-23T12:43:08.806000Z | 2026-02-23T13:37:00.913000Z | Lec. | Результат работы гауссовского фильтра [8] | Результат работы Гауссовского фильтра [8] | false | true | true |
4,713 | 2026-02-23T12:43:07.100000Z | 2026-02-23T13:33:35.931000Z | Lec. | Результат работы медианного фильтра [8] | Результат работы медианного фильтра [8]. | false | true | true |
4,712 | 2026-02-23T12:43:05.452000Z | 2026-02-23T13:36:47.116000Z | Lec. | Этот подход оказался особенно полезным для сложных данных, таких как МРТ головного мозга, где шум существенно мешает сегментации, что продемонстрированно на рисунке 1 и рисунке 2 | Этот подход оказался особенно полезным для сложных данных, таких как МРТ головного мозга, где шум существенно мешает сегментации, что продемонстрировано на рисунке 1 и на рисунке 2. | false | true | true |
4,711 | 2026-02-23T12:43:03.671000Z | 2026-02-23T12:43:03.671000Z | Lec. | Более того, сохранение результатов в базе данных для дальнейшего использования значительно упростит диагностический процесс | false | true | false | |
4,710 | 2026-02-23T12:43:01.947000Z | 2026-02-23T13:43:59.044000Z | Lec. | В данной работе предлагается объединить сегментацию позвоночных артерий на изображениях МРТ с автоматическим расчетом ключевых метрик, таких как диаметр артерий | В данной работе предлагается объединение сегментации позвоночных артерий на изображениях МРТ с автоматическим расчетом ключевых метрик, таких как диаметр артерий. | false | true | true |
4,709 | 2026-02-23T12:43:00.288000Z | 2026-02-23T16:24:38.278000Z | Lec. | В контексте позвоночных артерий сегментация позволяет изолировать данные артерии от окружающих тканей, что способствует детальному анализу | В контексте позвоночных артерий сегментация позволяет изолировать данные артерию от окружающих тканей, что способствует детальному анализу. | false | true | true |
4,708 | 2026-02-23T12:42:58.566000Z | 2026-02-23T12:42:58.566000Z | Lec. | В частности, системы на основе ИИ имеют возможность повысить точность и эффективность анализа медицинских изображений, автоматизируя сложные задачи и уменьшая зависимость от человеческого фактора | false | true | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.