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 |
|---|---|---|---|---|---|---|---|---|
2,907 | 2026-02-23T11:49:52.971000Z | 2026-02-23T11:49:52.971000Z | Lec. | Результаты проекта были протестированы на реальных медицинских данных, предоставленных Медицинским институтом ФГБОУ ВО «Орловский государственный университет имени И.С | false | false | false | |
2,906 | 2026-02-23T11:49:51.042000Z | 2026-02-23T11:49:51.042000Z | Lec. | Система позволяет врачам без подготовки в области программирования легко загружать изображения, запускать процедуру инференса, визуализировать результаты и формировать PDF-отчеты, что делает решение практически применимым в клинических условиях и дает возможность использовать его не только для диагностики, но и для обработки архивных данных, научных исследований и образовательных целей | false | true | false | |
2,905 | 2026-02-23T11:49:48.989000Z | 2026-02-23T11:49:48.989000Z | Lec. | Особое внимание в проекте было уделено удобству конечного пользователя, что реализовано через создание интерфейса | false | true | false | |
2,904 | 2026-02-23T11:49:47.040000Z | 2026-02-23T11:49:47.040000Z | Lec. | Основу решения составила нейросетевая архитектура nnU-Net, продемонстрировавшая высокую точность при работе с ограниченным объемом размеченных данных, а также устойчивость к шумам и артефактам медицинских изображений | false | true | false | |
2,903 | 2026-02-23T11:49:45.054000Z | 2026-02-23T11:49:45.054000Z | Lec. | В ходе выполнения проекта была решена задача разработки программной системы для автоматической сегментации анатомических структур — сердца, аорты и легочной артерии — на изображениях компьютерной томографии (КТ) | false | true | false | |
2,902 | 2026-02-23T11:49:43.122000Z | 2026-02-23T11:49:43.122000Z | Lec. | Загрузка отчета | false | false | false | |
2,901 | 2026-02-23T11:49:37.969000Z | 2026-02-23T13:31:36.584000Z | Lec. | Экспорт PDF — пользователю доступна кнопка «Сохранить отчет (PDF)» (Рис. 25), чтобы скачать готовый отчет, включающий исходное изображение, маски, статистику по плотностям и визуализации | Экспорт PDF — пользователю доступна кнопка «Сохранить отчет (PDF)» (Рис. 25). Чтобы скачать готовый отчет, включающий исходное изображение, маски, статистику по плотностям и визуализации. | false | true | true |
2,900 | 2026-02-23T11:49:36.161000Z | 2026-02-23T11:49:36.162000Z | Lec. | Построение таблицы плотностей | false | true | false | |
2,899 | 2026-02-23T11:49:34.369000Z | 2026-02-23T15:48:50.152000Z | Lec. | Таблица плотностей (Рис. 24) — предоставляла сводную информацию по каждому классу: среднее значение, медиану, минимум, максимум и стандартное отклонение | Таблица плотностей (Рис. 24) — содержала сводную информацию по каждому классу: среднее значение, медиану, минимум, максимум и стандартное отклонение. | false | true | true |
2,898 | 2026-02-23T11:49:32.558000Z | 2026-02-23T11:49:32.558000Z | Lec. | Построение гистограммы | false | true | false | |
2,897 | 2026-02-23T11:49:30.913000Z | 2026-02-23T11:49:30.913000Z | Lec. | Гистограмма (Рис. 23) — отображала распределение плотностей в сегментированных областях | false | true | false | |
2,896 | 2026-02-23T11:49:29.074000Z | 2026-02-23T11:49:29.074000Z | Lec. | Построение карты плотности | false | false | false | |
2,895 | 2026-02-23T11:49:27.514000Z | 2026-02-23T13:46:53.803000Z | Lec. | Карта плотности (Рис. 22) — позволяла построить тепловую карту распределения плотностей (значений интенсивности) внутри каждой маски | Карта плотности (Рис. 22) позволяла построить тепловую карту распределения плотностей (значений интенсивности) внутри каждой маски. | false | true | true |
2,894 | 2026-02-23T11:49:25.749000Z | 2026-02-23T11:49:25.749000Z | Lec. | После визуальной проверки пользователь получил доступ к дополнительным аналитическим инструментам, расположенным под изображением: | true | true | false | |
2,893 | 2026-02-23T11:49:23.834000Z | 2026-02-23T13:44:58.955000Z | Lec. | При желании пользователю доступна возможность отключить отдельные структуры, чтобы сосредоточиться на анализе конкретной области | При желании пользователю доступна возможность. Чтобы сосредоточиться на анализе конкретной области, ему доступно отключение отдельных структур. | false | true | true |
2,892 | 2026-02-23T11:49:21.963000Z | 2026-02-23T11:49:21.963000Z | Lec. | Наложение помогает убедиться в корректности сегментации: область сердца занимала часть центра изображения, в то время как аорта была правильно локализована как округлая структура, расположенная перед позвоночником | false | true | false | |
2,891 | 2026-02-23T11:49:20.184000Z | 2026-02-23T11:49:20.184000Z | Lec. | Ниже чекбоксов отобразилось изображение с КТ-срезом (Рис. 21), на которое были наложены цветные маски предсказанных объектов | false | true | false | |
2,890 | 2026-02-23T11:49:18.502000Z | 2026-02-23T11:49:18.502000Z | Lec. | Пример работы чекбоксов | false | true | false | |
2,889 | 2026-02-23T11:49:16.194000Z | 2026-02-23T11:49:16.194000Z | Lec. | Легочная артерия(class=3) была отключена, так как отсутствует на представленном изображении | false | true | false | |
2,888 | 2026-02-23T11:49:14.208000Z | 2026-02-23T11:49:14.208000Z | Lec. | По умолчанию на изображении с примера были активированы два класса: сердце (class=1) и аорта (class=2) | false | true | false | |
2,887 | 2026-02-23T11:49:12.738000Z | 2026-02-23T11:49:12.738000Z | Lec. | Под информационным блоком размещены флажки для включения или отключения отображения различных классов (Рис. 21) | false | true | false | |
2,886 | 2026-02-23T11:49:10.923000Z | 2026-02-23T11:49:10.923000Z | Lec. | Пример работы выпадающего списка | false | true | false | |
2,885 | 2026-02-23T11:49:09.326000Z | 2026-02-23T11:49:09.326000Z | Lec. | Система определила, что объем содержит только один срез — Z=0 — и сообщила в информационном блок | false | true | false | |
2,884 | 2026-02-23T11:49:07.545000Z | 2026-02-23T11:49:07.545000Z | Lec. | В выпадающем списке интерфейса появились добавленые изображения (Рис. 20) | false | true | false | |
2,883 | 2026-02-23T11:49:05.706000Z | 2026-02-23T11:49:05.706000Z | Lec. | Через несколько секунд после нажатия кнопки предсказания система завершила обработку и автоматически перешла к следующему блоку — визуализации результатов | false | true | false | |
2,882 | 2026-02-23T11:49:03.913000Z | 2026-02-23T11:49:03.913000Z | Lec. | Все процессы происходили автоматически в фоне | false | true | false | |
2,881 | 2026-02-23T11:49:02.105000Z | 2026-02-23T13:38:08.065000Z | Lec. | Сохранила выходную маску, где каждая анатомическая структура закодирована своим классом (сердце — класс 1, аорта — класс 2, легочная артерия — класс 3) | Сохранила выходную маску, где каждая анатомическая структура закодирована своим классом (сердце — класс 1, аорта — класс 2, легочную артерию — класс 3) | false | true | true |
2,880 | 2026-02-23T11:49:00.383000Z | 2026-02-23T11:49:00.383000Z | Lec. | Запустила модель nnUNet для выполнения сегментации; | false | true | false | |
2,879 | 2026-02-23T11:48:58.755000Z | 2026-02-23T11:48:58.755000Z | Lec. | Назвала полученный файл в стандартизированном формате, например patient_e65a0b_0000.nii.gz; | false | true | false | |
2,878 | 2026-02-23T11:48:57.119000Z | 2026-02-23T13:28:15.411000Z | Lec. | Преобразовала полученный набор в формат .nii.gz, совместимый с моделью nnUNet; | Преобразовала полученный набор в формат .nii.gz, совместимый с моделью nnUNet. | false | true | true |
2,877 | 2026-02-23T11:48:55.156000Z | 2026-02-23T11:48:55.156000Z | Lec. | В результате система автоматически: | false | true | false | |
2,876 | 2026-02-23T11:48:53.562000Z | 2026-02-23T11:48:53.562000Z | Lec. | После проверки загруженных файлов пользователь нажал кнопку «Запуск предсказания» | false | true | false | |
2,875 | 2026-02-23T11:48:52.004000Z | 2026-02-23T11:48:52.004000Z | Lec. | Результат загрузки | false | true | false | |
2,874 | 2026-02-23T11:48:50.289000Z | 2026-02-23T13:27:38.057000Z | Lec. | У каждого файла появилась иконка для удаления, позволяющая при необходимости очистить список перед повторной загрузкой (Рис. 19) | У каждого файла появилась иконка для удаления, позволяющая при необходимости очистить список перед повторной загрузкой (Рис. 19). | false | true | true |
2,873 | 2026-02-23T11:48:48.540000Z | 2026-02-23T13:34:51.983000Z | Lec. | Интерфейс визуально отразил успешную загрузку, отобразив список всех загруженных файлов с их именами и размерами | Интерфейс визуально отразил успешную загрузку, отобразив список всех загруженных файлов с их именами и размерами. | false | true | true |
2,872 | 2026-02-23T11:48:46.774000Z | 2026-02-23T15:50:26.396000Z | Lec. | Пользователь зашел на веб-страницу системы и в блоке загрузки файлов перетащил три изображения в специально отведенную область | Пользователь зашёл на веб-страницу системы и в блоке загрузки файлов перетаскивал три изображения в специально отведенную область. | false | true | true |
2,871 | 2026-02-23T11:48:45.212000Z | 2026-02-23T13:47:19.762000Z | Lec. | В качестве исходных данных использовались три последовательных изображения в формате .jpg, имитирующих срезы одного пациента | В качестве исходных данных использовались три последовательных изображения в формате .jpg, имитирующие срезы одного пациента. | false | true | true |
2,870 | 2026-02-23T11:48:43.002000Z | 2026-02-23T13:35:56.884000Z | Lec. | Для демонстрации функциональности веб-системы была проведена сегментация набора КТ-снимков грудной клетки с целью выделения трех анатомических структур: сердца, аорты и легочной артерии | Для демонстрации функциональности веб-системы была проведена сегментация набора КТ-снимков грудной клетки. Целью этой сегментации было выделение трех анатомических структур: сердца, аорты и легочной артерии. | false | true | true |
2,869 | 2026-02-23T11:48:41.254000Z | 2026-02-23T13:24:38.696000Z | Lec. | Разработан и реализован полный программный комплекс для автоматической сегментации анатомических структур (сердце, аорта, легочная артерия) на КТ-снимках с использованием нейросетевой архитектуры nnU-Net | Разработан и реализован полный программный комплекс для автоматической сегментации анатомических структур (сердце, аорту, легочную артерию) на КТ-снимках с использованием нейросетевой архитектуры nnU-Net. | false | true | true |
2,868 | 2026-02-23T11:48:39.332000Z | 2026-02-23T11:48:39.332000Z | Lec. | Реализован модуль визуализации результатов сегментации с функциями навигации по срезам, управления отображением масок, расчетом плотностных характеристик, построением гистограмм и карт плотности | false | true | false | |
2,867 | 2026-02-23T11:48:37.317000Z | 2026-02-23T11:48:37.317000Z | Lec. | Обоснован и реализован процесс обучения и инференса модели nnU-Net, обеспечившей высокую точность сегментации (Dice > 0.93) при ограниченном объёме обучающей выборки | false | true | false | |
2,866 | 2026-02-23T11:48:35.446000Z | 2026-02-23T11:48:35.446000Z | Lec. | Тургенева», в формат, пригодный для обучения моделей глубокого обучения | false | true | false | |
2,865 | 2026-02-23T11:48:33.585000Z | 2026-02-23T11:48:33.585000Z | Lec. | Проведена подготовка и конвертация реальных медицинских данных, предоставленных Медицинским институтом ФГБОУ ВО «Орловский государственный университет имени И.С | false | false | false | |
2,864 | 2026-02-23T11:48:31.523000Z | 2026-02-23T18:17:18.002000Z | Lec. | Благодаря генерации структурированных отчетов и сохранению всей визуальной и числовой информации, результаты сегментации легко масштабируются и сопоставимы между случаями, что облегчает статистическую обработку данных | Благодаря генерации структурированных отчетов и сохранению всей визуальной и числовой информации результаты сегментации легко масштабируются и сопоставимы между случаями, что облегчает статистическую обработку данных. | false | true | true |
2,863 | 2026-02-23T11:48:29.713000Z | 2026-02-23T11:48:29.713000Z | Lec. | Система также используется при массовой обработке архивных КТ-исследований, что открывает возможности для ретроспективного анализа, подготовки публикаций и проведения научных исследований | false | true | false | |
2,862 | 2026-02-23T11:48:27.857000Z | 2026-02-23T11:48:27.857000Z | Lec. | Система выступает в качестве второго мнения, помогая специалисту обратить дополнительное внимание на участки, где результат работы алгоритма расходится с клиническим заключением | false | true | false | |
2,861 | 2026-02-23T11:48:26.279000Z | 2026-02-23T11:48:26.279000Z | Lec. | Использование автоматизированной нейросетевой модели способствует снижению вероятности диагностических ошибок, а также позволяет врачу сконцентрироваться на интерпретации результатов и принятии решений | false | true | false | |
2,860 | 2026-02-23T11:48:24.285000Z | 2026-02-23T11:48:24.285000Z | Lec. | Разработанная система сегментации сердца, аорты и легочной артерии на КТ-снимках позволяет упростить и автоматизировать процесс обработки медицинских изображений, освобождая врачей от рутинной работы по ручной разметке | false | true | false | |
2,859 | 2026-02-23T11:48:22.388000Z | 2026-02-23T11:48:22.388000Z | Lec. | Результаты проекта обладают высокой практической значимостью для заказчика — Медицинского института ФГБОУ ВО «Орловский государственный университет имени И.С | false | true | false | |
2,858 | 2026-02-23T11:48:20.139000Z | 2026-02-23T11:48:20.139000Z | Lec. | Хранилище проекта размещено на платформе GitLab, что обеспечило удобную совместную работу, отслеживание изменений и доступ к коду для всех участников проекта | false | true | false | |
2,857 | 2026-02-23T11:48:18.214000Z | 2026-02-23T13:34:13.373000Z | Lec. | Система контроля версий Git использовалась для управления кодовой базой проекта | Система контроля версий Git была использована для управления кодовой базой проекта. | false | true | true |
2,856 | 2026-02-23T11:48:16.461000Z | 2026-02-23T11:48:16.461000Z | Lec. | Использование Streamlit сделало систему доступной через браузер без необходимости установки дополнительных программ, что особенно важно для конечных пользователей без технической подготовки | false | true | false | |
2,855 | 2026-02-23T11:48:14.666000Z | 2026-02-23T11:48:14.666000Z | Lec. | С его помощью был реализован интуитивно понятный веб-интерфейс, позволяющий загружать изображения, запускать инференс, управлять отображением сегментированных структур, выполнять количественный анализ и формировать PDF-отчеты | false | true | false | |
2,854 | 2026-02-23T11:48:12.750000Z | 2026-02-23T18:01:14.958000Z | Lec. | Streamlit предоставляет простые и гибкие средства создания интерактивных приложений для визуализации данных и взаимодействия с моделями машинного обучения | Streamlit предоставляет простые и гибкие средства для создания интерактивных приложений для визуализации данных и взаимодействия с моделями машинного обучения. | false | true | true |
2,853 | 2026-02-23T11:48:10.939000Z | 2026-02-23T11:48:10.939000Z | Lec. | Фреймворк Streamlit [11] использовался для реализации веб-интерфейса системы | false | true | false | |
2,852 | 2026-02-23T11:48:09.203000Z | 2026-02-23T13:42:48.412000Z | Lec. | Она позволила выполнять чтение, нормализацию, изменение размера и сохранение КТ-срезов, обеспечивая совместимость с требованиями nnU-Net и корректную пространственную привязку данных | Она позволила выполнять чтение, нормализацию, изменение размера и сохранение КТ-срезов, обеспечивая совместимость с требованиями nnu-Net и корректную пространственную привязку данных. | false | true | true |
2,851 | 2026-02-23T11:48:07.324000Z | 2026-02-23T18:22:19.272000Z | Lec. | Библиотека SimpleITK применялась для работы с медицинскими изображениями в формате NIfTI (.nii.gz) | Библиотека SimpleITK применялась для работы с медицинскими изображениями в формате NIfTI (.nii.gz) — это ошибка, поскольку правильная запись должна быть: Библиотека SimpleITK применялась для работы с медицинскими изображениями в форматах NIfTI (.nii и .nii.gz) | false | true | true |
2,850 | 2026-02-23T11:48:05.535000Z | 2026-02-23T13:50:18.666000Z | Lec. | Его использование позволило достичь высокой точности при ограниченном объеме размеченных данных | Его использование позволило достичь высокой точности при ограниченном объеме размеченных данных. | false | true | true |
2,849 | 2026-02-23T11:48:03.750000Z | 2026-02-23T17:39:01.621000Z | Lec. | Фреймворк nnU-Net применялся в качестве базовой архитектуры для решения задачи медицинской сегментации. nnU-Net автоматически подстраивает архитектуру U-Net под конкретный датасет и включает в себя все необходимое для обучения и инференса: стратегии предобработки, аугментации, кросс-валидации и постобработки | Фреймворк nNu-Net применялся в качестве базовой архитектуры для решения задачи медицинской сегментации. nNu-Net автоматически подстраивает архитектуру U-Net под конкретный датасет и включает в себя все необходимое для обучения и инференса: стратегии предобработки, аугментации, кросс-валидации и постобработки. | false | true | true |
2,848 | 2026-02-23T11:48:01.644000Z | 2026-02-23T11:48:01.644000Z | Lec. | PyTorch является стандартом в научных исследованиях и был совместим с фреймворком nnU-Net, использованным в данном проекте | false | true | false | |
2,847 | 2026-02-23T11:47:59.741000Z | 2026-02-23T11:47:59.741000Z | Lec. | Он предоставляет простой и гибкий интерфейс для определения нейронных сетей | false | true | false | |
2,846 | 2026-02-23T11:47:57.967000Z | 2026-02-23T11:47:57.967000Z | Lec. | Фреймворк глубокого обучения PyTorch [10] использовался для построения и запуска моделей сегментации | false | true | false | |
2,845 | 2026-02-23T11:47:55.743000Z | 2026-02-23T11:47:55.743000Z | Lec. | Python активно применяется в медицинских ИИ-задачах и предоставляет все необходимые средства для работы с изображениями, построения нейронных сетей, визуализации и создания пользовательских интерфейсов | false | true | false | |
2,844 | 2026-02-23T11:47:53.728000Z | 2026-02-23T17:43:14.123000Z | Lec. | Язык программирования Python [9] был выбран как основной язык реализации, поскольку он обладает лаконичным синтаксисом, богатой экосистемой научных библиотек и широким сообществом | Язык программирования Python [9] был выбран как основной язык реализации, поскольку он обладает лаконичным синтаксисом, богатой экосистемой научных библиотек и широким сообществом. | false | true | true |
2,843 | 2026-02-23T11:47:51.975000Z | 2026-02-23T11:47:51.975000Z | Lec. | Благодаря поддержке Jupyter Notebook, Git и интеграции с терминалом, PyCharm обеспечил удобную и продуктивную разработку всех компонентов проекта | false | true | false | |
2,842 | 2026-02-23T11:47:50.062000Z | 2026-02-23T13:40:29.542000Z | Lec. | PyCharm предоставляет мощные инструменты для работы с языком Python, включая интеллектуальную подсветку синтаксиса, автодополнение, отладчик, встроенное управление зависимостями и виртуальными окружениями | PyCharm предоставляет мощные инструменты для работы с языком Python, включая интеллектуальную подсветку синтаксиса, автодополнение, отладчик, встроенное управление зависимостями и виртуальными окружениями. | false | true | true |
2,841 | 2026-02-23T11:47:48.194000Z | 2026-02-23T11:47:48.194000Z | Lec. | Редактор кода PyCharm [8] использовался в качестве основной среды разработки проекта | false | true | false | |
2,840 | 2026-02-23T11:47:46.342000Z | 2026-02-23T17:37:23.726000Z | Lec. | Скрипт для установки зависимостей | Скрипт для установки зависимостей — это файл с расширением .json | false | true | true |
2,839 | 2026-02-23T11:47:44.947000Z | 2026-02-23T17:15:35.252000Z | Lec. | Скрипты включают в себя полный цикл подготовки окружения: осуществляют загрузку предобученной модели, установку требуемых Python-библиотек и настройку переменных среды, обеспечивающих стабильную и корректную работу фреймворка nnU-Net, что снижает вероятность ошибок, связанных с человеческим фактором, и ускоряет процесс развертывания системы | Скрипты включают в себя полный цикл подготовки окружения: осуществляет загрузку предобученной модели, установку требуемых Python-библиотек и настройку переменных среды, обеспечивающих стабильную и корректную работу фреймворка nnU-Net, что снижает вероятность ошибок, связанных с человеческим фактором, и ускоряет процесс развертывания системы. | false | true | true |
2,838 | 2026-02-23T11:47:42.988000Z | 2026-02-23T16:07:10.064000Z | Lec. | Для устранения сложности были разработаны автоматизированные скрипты, обеспечивающие корректную установку всех необходимых компонентов на операционных системах Windows (bat-файл), Linux и macOS (shell-скрипты) (Рис. 18) | Для устранения сложности были разработаны автоматизированные скрипты, обеспечивающие корректную установку всех необходимых компонентов на операционных системах Windows (bat-файл), Linux (shell-скрипт) и macOS (shell-скрипт). | false | true | true |
2,837 | 2026-02-23T11:47:40.922000Z | 2026-02-23T11:47:40.922000Z | Lec. | Ручная установка всех зависимостей представляет собой трудоемкий процесс, включающий множество действий, связанных с загрузкой необходимых компонентов, настройкой окружения и проверкой совместимости версий библиотек | false | true | false | |
2,836 | 2026-02-23T11:47:39.297000Z | 2026-02-23T11:47:39.297000Z | Lec. | Пример PDF-отчета | false | true | false | |
2,835 | 2026-02-23T11:47:36.545000Z | 2026-02-23T17:02:16.634000Z | Lec. | Выбор инструментов анализа сегментации | Выбор инструментов анализа сегментации. | false | true | true |
2,834 | 2026-02-23T11:47:34.415000Z | 2026-02-23T16:37:42.217000Z | Lec. | Таким образом, разработанная система обеспечивает полный цикл работы с медицинскими изображениями — от загрузки и запуска предсказаний до анализа и визуализации результатов — без необходимости использования дополнительных программных средств | Таким образом, разработанная система обеспечивает полный цикл работы с медицинскими изображениями — от загрузки и запуска предсказаний до анализа и визуализации результатов — без необходимости использования дополнительных программных средств. | false | true | true |
2,833 | 2026-02-23T11:47:32.615000Z | 2026-02-23T11:47:32.615000Z | Lec. | Все результаты анализа доступны для сохранения в виде PDF-отчета (Рис. 17) | true | true | false | |
2,832 | 2026-02-23T11:47:30.554000Z | 2026-02-23T11:47:30.554000Z | Lec. | Пользователю доступно построение карты плотности, гистограммы распределения плотностей в пределах маски, а также таблицы со сводной статистикой (среднее значение, медиана, минимум, максимум и другие показатели) | false | true | false | |
2,831 | 2026-02-23T11:47:28.415000Z | 2026-02-23T11:47:28.415000Z | Lec. | Дополнительно интерфейс предоставляет инструменты анализа сегментаций (Рис. 16) | false | true | false | |
2,830 | 2026-02-23T11:47:26.768000Z | 2026-02-23T13:41:12.927000Z | Lec. | Визуализация сегментации | Визуализация сегментации? | false | true | true |
2,829 | 2026-02-23T11:47:25.010000Z | 2026-02-23T13:29:34.102000Z | Lec. | Для удобства каждый класс сегментации представлен собственным цветом (например, сердце — зеленым, аорта — красным), а отображение включается или выключается с помощью соответствующих чекбоксов | Для удобства каждый класс сегментации представлен собственным цветом; например, сердце — зеленым, аорта — красным. Отображение включается или выключается с помощью соответствующих чекбоксов. | false | true | true |
2,828 | 2026-02-23T11:47:23.401000Z | 2026-02-23T13:34:58.334000Z | Lec. | Пользователю доступен выбор отображаемых анатомических структур: сердце, аорта и легочная артерия | Пользователю доступен выбор отображаемых анатомических структур: сердце, аорта и легочная артерия -> Пользователю доступны для выбора следующие анатомические структуры: сердце, аорта и легочная артерия | false | true | true |
2,827 | 2026-02-23T11:47:21.802000Z | 2026-02-23T11:47:21.802000Z | Lec. | Сегментация визуализируется на срезе в виде цветных наложений поверх КТ-изображения (Рис. 15) | false | true | false | |
2,826 | 2026-02-23T11:47:20.078000Z | 2026-02-23T11:47:20.078000Z | Lec. | Блок выбора изображения | false | true | false | |
2,825 | 2026-02-23T11:47:18.563000Z | 2026-02-23T11:47:18.563000Z | Lec. | Для выбранного пациента отображается информация об исходном изображении и соответствующей маске, а также сообщение о числе срезов в объеме | false | true | false | |
2,824 | 2026-02-23T11:47:16.961000Z | 2026-02-23T11:47:16.961000Z | Lec. | После выполнения сегментации в интерфейсе появляется выпадающий список (Рис.14) с идентификаторами пациентов, среди которых доступен выбор нужного | true | true | false | |
2,823 | 2026-02-23T11:47:15.128000Z | 2026-02-23T18:02:23.952000Z | Lec. | Процесс инференса | Процесс инференции | false | true | true |
2,822 | 2026-02-23T11:47:13.390000Z | 2026-02-23T11:47:13.390000Z | Lec. | Блок загрузки данных | false | true | false | |
2,821 | 2026-02-23T11:47:11.415000Z | 2026-02-23T17:10:27.592000Z | Lec. | После загрузки файлов пользователю предлагается нажать кнопку «Запуск предсказания», в результате чего все изображения формата .jpg автоматически преобразовываются в .nii.gz стандартизированного имени (например, patient_XXX_0000.nii.gz), после чего запускается скрипт nnUNetv2_predict, осуществляющий сегментацию (Рис. 13) | После загрузки файлов пользователю предлагается нажать кнопку «Запуск предсказания», в результате чего все изображения формата .jpg автоматически преобразовываются в .nii.gz стандартизированного имени (например, patient_XXX_0000.nii.gz), после чего запускается скрипт nnUNetv2_predict, осуществляющий сегментацию (Рис. 13) | false | true | true |
2,820 | 2026-02-23T11:47:09.362000Z | 2026-02-23T11:47:09.362000Z | Lec. | Первый блок (Рис. 12). предназначен для загрузки данных, пользователь доступна загрузка изображения посредством drag-and-drop или с использованием файлового диалога | false | true | false | |
2,819 | 2026-02-23T11:47:07.614000Z | 2026-02-23T11:47:07.614000Z | Lec. | Пользовательский интерфейс разделен на несколько функциональных блоков, каждый из которых выполняет отдельную роль в процессе взаимодействия с системой | false | true | false | |
2,818 | 2026-02-23T11:47:05.978000Z | 2026-02-23T11:47:05.978000Z | Lec. | Интерфейс представляет собой одностраничное приложение | false | true | false | |
2,817 | 2026-02-23T11:47:04.451000Z | 2026-02-23T11:47:04.451000Z | Lec. | Интерфейс работает через браузер и не требует установки дополнительного программного обеспечения на стороне пользователя, что делает его удобным решением для врачей, исследователей и технических специалистов, работающих с медицинскими изображениями | false | true | false | |
2,816 | 2026-02-23T11:47:02.670000Z | 2026-02-23T13:35:26.145000Z | Lec. | Для реализации удобного, интуитивно понятного и доступного способа запуска модели nnUNet и визуализации результатов медицинской сегментации была разработана полнофункциональная веб-система | Для реализации удобного, интуитивно понятного и доступного способа запуска модели nnUNet и визуализации результатов медицинской сегментации была разработана полнофункциональная веб-система. | false | true | true |
2,815 | 2026-02-23T11:47:00.894000Z | 2026-02-23T11:47:00.894000Z | Lec. | UML диаграмма интерфейса | false | false | false | |
2,814 | 2026-02-23T11:46:59.338000Z | 2026-02-23T11:46:59.338000Z | Lec. | Интерфейс спроектирован таким образом, чтобы предоставить медицинским специалистам простой и интуитивно понятный инструмент для автоматической обработки КТ-снимков без необходимости в программировании или ручной настройке модели | false | true | false | |
2,813 | 2026-02-23T11:46:57.660000Z | 2026-02-23T11:46:57.660000Z | Lec. | Для обеспечения доступности разработанной системы не только специалистам в области машинного обучения, но и практикующим врачам, было принято решение создать пользовательский интерфейс, ориентированный на клинические сценарии применения | false | true | false | |
2,812 | 2026-02-23T11:46:55.867000Z | 2026-02-23T11:46:55.867000Z | Lec. | График обучения модели по эпохам | false | true | false | |
2,811 | 2026-02-23T11:46:54.207000Z | 2026-02-23T11:46:54.207000Z | Lec. | После завершения обучения (Рис. 10) были достигнуты следующие метрики Dice coefficient по структурам:. аорта — 0.9758;. сердце — 0.9391;. легочная артерия —0.8797 | false | false | false | |
2,810 | 2026-02-23T11:46:52.278000Z | 2026-02-23T11:46:52.278000Z | Lec. | Также nnU-Net применила собственный пайплайн предобработки:. нормализация интенсивностей пикселей;. приведение изображений к единому разрешению;. обрезка по области интереса и центрирование;. балансировка классов в батче для обучения | false | true | false | |
2,809 | 2026-02-23T11:46:50.521000Z | 2026-02-23T17:37:53.001000Z | Lec. | Использовалась комбинированная функция потерь, включающая Dice loss и Cross-Entropy, позволяющая учитывать как локальную, так и глобальную структуру объектов. . где – общая функция потерь,. – функция потерь, основанная на коэффициенте Dice,. – функция потерь, основанная на перекрёстной энтропии. где – предсказанное значение вероятности для пикселя,. – истинная метка пикселя | Использовалась комбинированная функция потерь, включающая Dice loss и Cross-Entropy, позволяющая учитывать как локальную, так и глобальную структуру объектов. . где – общая функция потерь,. – функция потерь, основанная на коэффициенте Dice,. – функция потерь, основанная на перекрестной энтропии. где – предсказанное значение вероятности для пикселя,. – истинная метка пикселя | false | true | true |
2,808 | 2026-02-23T11:46:48.409000Z | 2026-02-23T13:40:40.932000Z | Lec. | Модель автоматически определила архитектурные параметры: глубину сети, размер receptive field, размер входных патчей, функции активации, тип нормализации и другие | Модель автоматически определила архитектурные параметры: глубину сети, размер рецептивного поля, размер входных патчей, функции активации, тип нормализации и другие. | false | true | true |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.