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 |
|---|---|---|---|---|---|---|---|---|
3,507 | 2026-02-23T12:07:34.584000Z | 2026-02-23T12:07:34.584000Z | Lec. | SPIE-Intl Soc Optical Eng, 2021 | false | false | false | |
3,506 | 2026-02-23T12:07:32.790000Z | 2026-02-23T12:07:32.790000Z | Lec. | Deep Learning-Based Carotid Artery Vessel Wall Segmentation in Black-Blood MRI Using Anatomical Priors | false | false | false | |
3,505 | 2026-02-23T12:07:31.100000Z | 2026-02-23T12:07:31.100000Z | Lec. | Alblas D., Brune C., Wolterink J.M | false | false | false | |
3,504 | 2026-02-23T12:07:29.443000Z | 2026-02-23T12:07:29.443000Z | Lec. | URL: http://synergy-journal.ru/archive/article5127 (accessed: 31.01.2025). 13 | false | false | false | |
3,503 | 2026-02-23T12:07:27.819000Z | 2026-02-23T12:07:27.819000Z | Lec. | Использование фильтров Габора для распознавания лиц на изображении [Electronic resource] | false | false | false | |
3,502 | 2026-02-23T12:07:26.002000Z | 2026-02-23T12:07:26.002000Z | Lec. | P. 1479–1494. 12 | false | false | false | |
3,501 | 2026-02-23T12:07:24.257000Z | 2026-02-23T13:47:15.730000Z | Lec. | Gabor filter-based edge detection // Pattern Recognit. 1992 | Gabour filter-based edge detection // Pattern Recognit. 1992 | false | true | true |
3,500 | 2026-02-23T12:07:22.341000Z | 2026-02-23T12:07:22.341000Z | Lec. | Mehrotra R., Namuduri K.R., Ranganathan N | false | false | false | |
3,499 | 2026-02-23T12:07:20.500000Z | 2026-02-23T12:07:20.500000Z | Lec. | Image Anal. 2023. 11 | false | false | false | |
3,498 | 2026-02-23T12:07:18.864000Z | 2026-02-23T12:07:18.864000Z | Lec. | P. 28–32. 10 | false | false | false | |
3,497 | 2026-02-23T12:07:17.123000Z | 2026-02-23T12:07:17.123000Z | Lec. | Vol. 85, № 2 | false | false | false | |
3,496 | 2026-02-23T12:07:15.551000Z | 2026-02-23T12:07:15.551000Z | Lec. | Private Enterprise, Vladislav Ivanov, 2022 | true | false | false | |
3,495 | 2026-02-23T12:07:14.088000Z | 2026-02-23T12:07:14.088000Z | Lec. | Матрица Гессе по старшим производным локальной записи гладкой функции в расслоении скоростей – тензор второго ранга типа (0,2) // Тенденции развития науки и образования | false | true | false | |
3,494 | 2026-02-23T12:07:12.135000Z | 2026-02-23T12:07:12.135000Z | Lec. | Пастухов Ю.Ф. et al | true | false | false | |
3,493 | 2026-02-23T12:07:10.484000Z | 2026-02-23T13:44:46.540000Z | Lec. | Vol. 5, № 1. 9 | Vol. 5, № 1. | false | true | true |
3,492 | 2026-02-23T12:07:08.483000Z | 2026-02-23T12:07:08.483000Z | Lec. | Федеральное государственное автономное образовательное учреждение высшего образования «Белгородский государственный национальный исследовательский университет», 2020 | false | false | false | |
3,491 | 2026-02-23T12:07:06.816000Z | 2026-02-23T12:07:06.816000Z | Lec. | Информационные технологии | false | false | false | |
3,490 | 2026-02-23T12:07:05.195000Z | 2026-02-23T12:07:05.195000Z | Lec. | Компьютерная система предварительной обработки мрт снимков головного мозга // Научный результат | false | false | false | |
3,489 | 2026-02-23T12:07:03.103000Z | 2026-02-23T12:07:03.103000Z | Lec. | Михайлович М.В., Сергеевна К.Е | true | false | false | |
3,488 | 2026-02-23T12:07:01.460000Z | 2026-02-23T17:18:23.929000Z | Lec. | P. 16591–16603. 8 | П. 16591–16603.8 | false | true | true |
3,487 | 2026-02-23T12:06:59.839000Z | 2026-02-23T12:06:59.839000Z | Lec. | Institute of Electrical and Electronics Engineers Inc., 2015 | false | false | false | |
3,486 | 2026-02-23T12:06:58.079000Z | 2026-02-23T16:38:10.598000Z | Lec. | U-Net: Convolutional Networks for Biomedical Image Segmentation // IEEE Access | U-Net: Convolutional Networks for Biomedical Image Segmentation // IEEE Access | false | true | true |
3,485 | 2026-02-23T12:06:56.348000Z | 2026-02-23T12:06:56.348000Z | Lec. | Weng W., Zhu X | false | false | false | |
3,484 | 2026-02-23T12:06:54.857000Z | 2026-02-23T12:06:54.857000Z | Lec. | Vol. 5, № 1 | false | false | false | |
3,483 | 2026-02-23T12:06:52.972000Z | 2026-02-23T12:06:52.972000Z | Lec. | Science Publishing Group, 2019 | false | false | false | |
3,482 | 2026-02-23T12:06:51.198000Z | 2026-02-23T12:06:51.198000Z | Lec. | Neural Networks Appl | false | false | false | |
3,481 | 2026-02-23T12:06:49.442000Z | 2026-02-23T12:06:49.442000Z | Lec. | An Overview of Neural Network // Am | false | false | false | |
3,480 | 2026-02-23T12:06:47.258000Z | 2026-02-23T12:06:47.258000Z | Lec. | Islam M., Chen G., Jin S | false | false | false | |
3,479 | 2026-02-23T12:06:45.615000Z | 2026-02-23T12:06:45.615000Z | Lec. | P. 305–307. 6 | false | false | false | |
3,478 | 2026-02-23T12:06:44.043000Z | 2026-02-23T12:06:44.043000Z | Lec. | Vol. 19, № 1–2 | false | true | false | |
3,477 | 2026-02-23T12:06:42.230000Z | 2026-02-23T12:06:42.230000Z | Lec. | Springer US, 2018 | false | false | false | |
3,476 | 2026-02-23T12:06:40.409000Z | 2026-02-23T12:06:40.409000Z | Lec. | Evolvable Mach | false | false | false | |
3,475 | 2026-02-23T12:06:38.754000Z | 2026-02-23T12:06:38.754000Z | Lec. | Deep learning // Genet | false | false | false | |
3,474 | 2026-02-23T12:06:37.029000Z | 2026-02-23T12:06:37.029000Z | Lec. | Ian Goodfellow, Yoshua Bengio, Aaron Courville H.J | true | true | false | |
3,473 | 2026-02-23T12:06:35.253000Z | 2026-02-23T12:06:35.253000Z | Lec. | Wiley, 2019 | false | false | false | |
3,472 | 2026-02-23T12:06:33.274000Z | 2026-02-23T15:39:20.239000Z | Lec. | MRI in practice | MRI in practice | false | true | true |
3,471 | 2026-02-23T12:06:31.668000Z | 2026-02-23T12:06:31.668000Z | Lec. | Westbrook C., Talbot J | true | false | false | |
3,470 | 2026-02-23T12:06:29.761000Z | 2026-02-23T12:06:29.761000Z | Lec. | P. 1–1485. 4 | false | true | false | |
3,469 | 2026-02-23T12:06:28.157000Z | 2026-02-23T12:06:28.157000Z | Lec. | Elsevier, 2011 | false | false | false | |
3,468 | 2026-02-23T12:06:26.338000Z | 2026-02-23T12:06:26.338000Z | Lec. | Diagnosis, Manag | false | false | false | |
3,467 | 2026-02-23T12:06:24.873000Z | 2026-02-23T12:06:24.873000Z | Lec. | Stroke: Pathophysiology, Diagnosis, and Management // Stroke Pathophysiol | false | false | false | |
3,466 | 2026-02-23T12:06:23.120000Z | 2026-02-23T12:06:23.120000Z | Lec. | Mohr J.P. et al | false | false | false | |
3,465 | 2026-02-23T12:06:21.412000Z | 2026-02-23T12:06:21.412000Z | Lec. | P. 1–328. 3 | false | true | false | |
3,464 | 2026-02-23T12:06:19.812000Z | 2026-02-23T12:06:19.812000Z | Lec. | Cambridge University Press, 2012 | false | false | false | |
3,463 | 2026-02-23T12:06:18.237000Z | 2026-02-23T12:06:18.237000Z | Lec. | Clinical manifestations // Stroke Syndr | false | false | false | |
3,462 | 2026-02-23T12:06:16.616000Z | 2026-02-23T12:06:16.616000Z | Lec. | Caplan L.R., Van Gijn J | false | false | false | |
3,461 | 2026-02-23T12:06:14.939000Z | 2026-02-23T12:06:14.939000Z | Lec. | Elsevier Health Sciences, 2020. 2 | false | false | false | |
3,460 | 2026-02-23T12:06:13.244000Z | 2026-02-23T12:06:13.244000Z | Lec. | Gray’s anatomy international edition: The anatomical basis of clinical practice | false | true | false | |
3,459 | 2026-02-23T12:06:11.519000Z | 2026-02-23T12:06:11.519000Z | Lec. | Standring S | false | false | false | |
3,458 | 2026-02-23T12:06:10.028000Z | 2026-02-23T12:06:10.028000Z | Lec. | ИСТОЧНИКИ. 1 | false | true | false | |
3,457 | 2026-02-23T12:06:08.471000Z | 2026-02-23T12:06:08.471000Z | Lec. | Разработка приложения, включающего в себя весь вышеперечисленный функционал | false | true | false | |
3,456 | 2026-02-23T12:06:06.691000Z | 2026-02-23T13:37:12.040000Z | Lec. | Создание корректно работающей базы данных для хранения информации о пациентах | создание корректно работающей базы данных для хранения информации о пациентах | false | true | true |
3,455 | 2026-02-23T12:06:04.844000Z | 2026-02-23T18:17:01.880000Z | Lec. | Разработка функции перевода результата сегментации в реальные данные | Разработка функции перевода результата сегментации в реальные данные. | false | true | true |
3,454 | 2026-02-23T12:06:02.865000Z | 2026-02-23T12:06:02.865000Z | Lec. | Выполнение сравнительного анализа для каждого метода и выбор наилучшего из них | false | true | false | |
3,453 | 2026-02-23T12:06:01.086000Z | 2026-02-23T17:42:16.209000Z | Lec. | Подбор правильных метрик для оценки качества сегментации | Подбор правильных метрик для оценки качества сегментации — сложная задача. | false | true | true |
3,452 | 2026-02-23T12:05:59.558000Z | 2026-02-23T17:12:33.929000Z | Lec. | Подбор оптимальных гиперпараметров для обучения | Подбор оптимальных гиперпараметров для обучения | false | true | true |
3,451 | 2026-02-23T12:05:58.038000Z | 2026-02-23T13:46:25.559000Z | Lec. | Обучение на подобранных из обзора моделей | Обучение на подобранных из обзора моделях | false | true | true |
3,450 | 2026-02-23T12:05:56.456000Z | 2026-02-23T12:05:56.456000Z | Lec. | Выполнение предобработки МРТ изображений при помощи указанных в обзоре литературы методов | false | true | false | |
3,449 | 2026-02-23T12:05:54.826000Z | 2026-02-23T12:05:54.826000Z | Lec. | Поэтому, для достижения цели, опираясь на сделанный обзор литературы, были составлены следующие задачи: | false | true | false | |
3,448 | 2026-02-23T12:05:52.904000Z | 2026-02-23T12:05:52.904000Z | Lec. | Целью данной работы является разработка полноценного сервиса для работы с МРТ сканированием позвоночных артерий | false | true | false | |
3,447 | 2026-02-23T12:05:51.237000Z | 2026-02-23T13:50:32.997000Z | Lec. | На основании обзора литературы был сделан вывод, что существует множество эффективных методов решения задачи сегментации медицинских изображений | На основе обзора литературы сделан вывод о том, что существует множество эффективных методов решения задачи сегментации медицинских изображений. | false | true | true |
3,446 | 2026-02-23T12:05:49.609000Z | 2026-02-23T12:05:49.609000Z | Lec. | ПОСТАНОВКА ЗАДАЧИ | false | true | false | |
3,445 | 2026-02-23T12:05:48.060000Z | 2026-02-23T12:05:48.060000Z | Lec. | После нахождении оптимальной комбинации для решения задачи сегментации, в будущем модель будет взята за основу при разработке полноценного приложения и базы данных | false | true | false | |
3,444 | 2026-02-23T12:05:46.436000Z | 2026-02-23T12:05:46.436000Z | Lec. | Это означает, что для нахождения самых эффективных решений ко всем трем этапам необходимо будет провести крупный сравнительный анализ большого количества доступных методов, которые были описаны в обзоре литературы | false | true | false | |
3,443 | 2026-02-23T12:05:44.830000Z | 2026-02-23T12:05:44.830000Z | Lec. | Однако прямых аналогов к задаче сегментации позвоночных артерий найдено не было | false | true | false | |
3,442 | 2026-02-23T12:05:43.276000Z | 2026-02-23T12:05:43.276000Z | Lec. | Из обзора литературы можно понять, что существуют большое множество подходов ко всем трем этапам задачи сегментации: предобработка, выбор архитектуры нейросетевой модели и оценка результатов | false | true | false | |
3,441 | 2026-02-23T12:05:41.534000Z | 2026-02-23T12:05:41.534000Z | Lec. | Хотя статья ориентирована на задачи сегментации белого вещества, многие из рассмотренных методов могут быть адаптированы для задач сегментации сосудов | false | true | false | |
3,440 | 2026-02-23T12:05:39.890000Z | 2026-02-23T12:05:39.890000Z | Lec. | Затем был проведен обширный анализ результатов с помощью коэффициента Дайса [27] | false | true | false | |
3,439 | 2026-02-23T12:05:38.216000Z | 2026-02-23T12:05:38.216000Z | Lec. | В работе [37] предложен метод сегментации белого вещества головного мозга с использованием метода случайного блуждения [38] | false | false | false | |
3,438 | 2026-02-23T12:05:36.158000Z | 2026-02-23T17:09:11.206000Z | Lec. | Данный подход может быть адаптирован для задач сегментации позвоночных артерий, где важно учитывать форму и размер сосудов | Данный подход может быть адаптирован для задач сегментирования позвоночных артерий, где важно учитывать форму и размер сосудов. | false | true | true |
3,437 | 2026-02-23T12:05:34.352000Z | 2026-02-23T12:05:34.352000Z | Lec. | Этот метод помог более точно выделить тонкие структуры сосудов на фоне окружающих тканей | false | true | false | |
3,436 | 2026-02-23T12:05:32.620000Z | 2026-02-23T13:49:22.206000Z | Lec. | Авторы использовали комбинацию традиционных методов и глубокого обучения для улучшения точности сегментации | Авторы использовали комбинацию традиционных методов и глубокого обучения для улучшения точности сегментации изображений | false | true | true |
3,435 | 2026-02-23T12:05:30.868000Z | 2026-02-23T12:05:30.868000Z | Lec. | В работе [36] предложен метод полуавтоматической сегментации изображений для создания трехмерных моделей сосудов головного мозга | false | true | false | |
3,434 | 2026-02-23T12:05:29.115000Z | 2026-02-23T13:26:05.081000Z | Lec. | Region Growing в сравнении с классическими методами | Region Growing в сравнении с классическими методами. | false | true | true |
3,433 | 2026-02-23T12:05:27.572000Z | 2026-02-23T12:05:27.572000Z | Lec. | Region Growing. 6. 3. 1. 0,40. 87,98 | false | false | false | |
3,432 | 2026-02-23T12:05:26.050000Z | 2026-02-23T12:05:26.050000Z | Lec. | K-mean. 4. 3. 3. 0,28. 28,85 | false | false | false | |
3,431 | 2026-02-23T12:05:24.322000Z | 2026-02-23T12:05:24.322000Z | Lec. | Морфологический метод. 2. 5. 3. 0,16. 16,8 | false | false | false | |
3,430 | 2026-02-23T12:05:22.555000Z | 2026-02-23T12:05:22.555000Z | Lec. | False Negative | false | false | false | |
3,429 | 2026-02-23T12:05:21.002000Z | 2026-02-23T12:05:21.002000Z | Lec. | False Positive | false | false | false | |
3,428 | 2026-02-23T12:05:19.362000Z | 2026-02-23T12:05:19.362000Z | Lec. | True Positive | false | false | false | |
3,427 | 2026-02-23T12:05:17.669000Z | 2026-02-23T12:05:17.669000Z | Lec. | Результат исследования показал, что наращивание региона справляется с задачей сегментации намного лучше, чем более традиционные методы (см | false | true | false | |
3,426 | 2026-02-23T12:05:15.809000Z | 2026-02-23T13:35:33.339000Z | Lec. | Затем данный метод был сравнен с морфологическими методами и методом кластеризации (k-mean) | Затем данный метод был сравнён с морфологическими методами и методом кластеризации (k-mean) | false | true | true |
3,425 | 2026-02-23T12:05:14.012000Z | 2026-02-23T16:42:52.088000Z | Lec. | Его суть заключается в вычислении координат соседнего пикселя и проверке в принадлежности пикселя к рассматриваемому сегментированному объекту | Его суть заключается в вычислении координат соседнего пикселя и проверке принадлежности пикселя к рассматриваемому сегментированному объекту | false | true | true |
3,424 | 2026-02-23T12:05:12.322000Z | 2026-02-23T12:05:12.322000Z | Lec. | В работе [35] обсуждается использование метода наращивание региона (Region Growing) | false | true | false | |
3,423 | 2026-02-23T12:05:10.677000Z | 2026-02-23T12:05:10.677000Z | Lec. | Метод уровня множеств позволяет адаптировать контур к форме объекта, что делает его особенно полезным для задач сегментации сложных структур | false | true | false | |
3,422 | 2026-02-23T12:05:09.132000Z | 2026-02-23T17:03:16.652000Z | Lec. | Этот метод позволяет эффективно выделять объекты на изображениях, особенно в случаях, когда границы объектов нечеткие | Этот метод позволяет эффективно выделять объекты на изображениях, особенно в случаях, когда границы объектов нечеткие. | false | true | true |
3,421 | 2026-02-23T12:05:07.568000Z | 2026-02-23T12:05:07.568000Z | 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 | |
3,420 | 2026-02-23T12:05:05.933000Z | 2026-02-23T12:05:05.933000Z | Lec. | Предлагаемое решение состоит в использовании методов, основанных на уравнении уровня набора, которые позволяют точно сегментировать сложные объекты с учетом их формы | false | true | false | |
3,419 | 2026-02-23T12:05:04.050000Z | 2026-02-23T13:24:26.308000Z | Lec. | Так, в работе [33] предложен метод уровня множеств для сегментации изображений | Так, в работе [33] предложен метод уровня множеств для сегментации изображений. | false | true | true |
3,418 | 2026-02-23T12:05:02.175000Z | 2026-02-23T17:38:43.930000Z | Lec. | Например, методы на основе уровня множеств (Level Set Methods) | Методы на основе уровня множеств (Level-Set Methods) | false | true | true |
3,417 | 2026-02-23T12:05:00.741000Z | 2026-02-23T18:06:40.830000Z | Lec. | Комбинированные подходы, сочетающие традиционные методы и глубокое обучение, могут быть особенно полезны для улучшения качества сегментации в сложных случаях | Комбинированные подходы, сочетающие традиционные методы и глубокое обучение, могут быть особенно полезны для улучшения качества сегментирования в сложных случаях | false | true | true |
3,416 | 2026-02-23T12:04:59.185000Z | 2026-02-23T16:21:55.193000Z | Lec. | Современные подходы | Современный подход | false | true | true |
3,415 | 2026-02-23T12:04:57.496000Z | 2026-02-23T12:04:57.496000Z | Lec. | Сравнение моделей для задачи сегментации яичников | false | true | false | |
3,414 | 2026-02-23T12:04:55.612000Z | 2026-02-23T12:04:55.612000Z | Lec. | HaTU-Net. 97.55 ± 0.01. 90.01 ± 0.07. 80.72 ± 0.11 | false | false | false | |
3,413 | 2026-02-23T12:04:53.504000Z | 2026-02-23T12:04:53.504000Z | Lec. | DeepLabv3+ [32]. 96.99 ± 0.02. 86.66 ± 0.11. 76.21 ± 0.14 | false | false | false | |
3,412 | 2026-02-23T12:04:51.706000Z | 2026-02-23T12:04:51.706000Z | Lec. | U-Net++ [31]. 97.14 ± 0.02. 87.88 ± 0.10. 77.72 ± 0.13 | false | false | false | |
3,411 | 2026-02-23T12:04:49.862000Z | 2026-02-23T12:04:49.862000Z | Lec. | R2U-Net [30]. 95.73 ± 0.03. 83.31 ± 0.12. 71.49 ± 0.15 | false | false | false | |
3,410 | 2026-02-23T12:04:48.018000Z | 2026-02-23T12:04:48.018000Z | Lec. | Attention U-Net [29]. 96.41 ± 0.02. 86.02 ± 0.09. 74.89 ± 0.13 | false | false | false | |
3,409 | 2026-02-23T12:04:46.174000Z | 2026-02-23T12:04:46.174000Z | Lec. | U-Net [7]. 96.89 ± 0.02. 87.89 ± 0.08. 77.54 ± 0.12 | false | false | false | |
3,408 | 2026-02-23T12:04:44.337000Z | 2026-02-23T12:04:44.337000Z | Lec. | Accuracy [26] | false | false | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.