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
14,207
2026-02-24T11:48:05.713000Z
2026-02-24T11:48:05.713000Z
Lec.
Предсказанные позиции
false
true
false
14,206
2026-02-24T11:48:04.173000Z
2026-02-24T11:48:04.173000Z
Lec.
Измененные диаметры
false
true
false
14,205
2026-02-24T11:48:02.698000Z
2026-02-24T11:48:02.698000Z
Lec.
Массив кортежей из чисел с плавающей точкой
false
true
false
14,204
2026-02-24T11:48:01.204000Z
2026-02-24T11:48:01.204000Z
Lec.
Предсказанные диаметры
false
true
false
14,203
2026-02-24T11:47:59.021000Z
2026-02-24T11:47:59.021000Z
Lec.
Измененная структура базы данных
false
true
false
14,202
2026-02-24T11:47:57.531000Z
2026-02-24T11:47:57.531000Z
Lec.
Окно просмотра и изменения позиций
false
true
false
14,201
2026-02-24T11:47:55.707000Z
2026-02-24T11:47:55.707000Z
Lec.
Для корректного сохранения и возвращения к предсказанным значениям в базу данных необходимо внести поля для предсказанных и измененных значений
false
true
false
14,200
2026-02-24T11:47:54.180000Z
2026-02-24T11:47:54.180000Z
Lec.
После выбора артерии объявляется специальный ивент MouseDrag, который позволяет пользователю с помощью курсора мыши корретировать предсказанные позиции;. слайдер для изменения прозрачности кругов (от 10% до 100%);. кнопка «Вернуться к предсказанным позициям»;. способ сохранения обновленных позиций с помощью кнопки «Сохранить позиции»
false
false
false
14,199
2026-02-24T11:47:52.292000Z
2026-02-24T11:47:52.292000Z
Lec.
ComboBox для изменений позиций, в котором пользователь выбирает артерию
false
true
false
14,198
2026-02-24T11:47:50.545000Z
2026-02-24T11:47:50.545000Z
Lec.
МРТ-изображение с наложенными окружностями с диаметром равным предсказанию или изменению в предсказанных позициях;. две кнопки «Предыдущее изображение» и «Следующее изображение»;
false
true
false
14,197
2026-02-24T11:47:48.719000Z
2026-02-24T11:47:48.719000Z
Lec.
Интерфейс окна включает в себя:
false
false
false
14,196
2026-02-24T11:47:43.480000Z
2026-02-24T11:47:43.480000Z
Lec.
В окне просмотра позиций артерий пользователю предоставлена возможность просматривать и изменять позиции позвоночных артерий
false
true
false
14,195
2026-02-24T11:47:41.718000Z
2026-02-24T11:47:41.718000Z
Lec.
Окно редактирования диаметров
false
false
false
14,194
2026-02-24T11:47:40.177000Z
2026-02-24T11:47:40.177000Z
Lec.
Для удобства пользователю предоставлена возможность открытия каждого изображения по отдельности
false
true
false
14,193
2026-02-24T11:47:38.603000Z
2026-02-24T11:47:38.603000Z
Lec.
Для перехода в окно изменения диаметров пользователю необходимо нажать на кнопку «Изменить диаметры позвоночных артерий» в окне просмотра результатов
false
true
false
14,192
2026-02-24T11:47:36.753000Z
2026-02-24T11:47:36.753000Z
Lec.
Окна изменения диаметров и позиций
false
true
false
14,191
2026-02-24T11:47:35.145000Z
2026-02-24T11:47:35.145000Z
Lec.
Окно просмотра результатов анализа
false
true
false
14,190
2026-02-24T11:47:33.591000Z
2026-02-24T11:47:33.591000Z
Lec.
В статистику выводятся минимальные, средние и максимальные значения диаметров позвоночных артерий
false
true
false
14,189
2026-02-24T11:47:31.889000Z
2026-02-24T11:47:31.889000Z
Lec.
Результаты выводятся индивидуально для каждого изображения и для каждой артерии
false
true
false
14,188
2026-02-24T11:47:30.377000Z
2026-02-24T11:47:30.377000Z
Lec.
Для нахождения дополнительной метрики в виде площади позвоночной артерии использовалась формула расчет площади круга через радиус:. где – диаметр позвоночной артерии
false
true
false
14,187
2026-02-24T11:47:28.594000Z
2026-02-24T11:47:28.594000Z
Lec.
С помощью заданного пользователем масштаба происходит перерасчет предсказаний из пикселей в миллиметры
false
true
false
14,186
2026-02-24T11:47:26.989000Z
2026-02-24T11:47:26.989000Z
Lec.
В окно просмотра результатов передаются предсказания моделей поиска диаметров и позиций позвоночных артерий
false
true
false
14,185
2026-02-24T11:47:25.370000Z
2026-02-24T11:47:25.370000Z
Lec.
Окно просмотра результатов
false
true
false
14,184
2026-02-24T11:47:23.825000Z
2026-02-24T11:47:23.825000Z
Lec.
Окно загрузки изображений и сообщение об ошибке
false
true
false
14,183
2026-02-24T11:47:21.982000Z
2026-02-24T11:47:21.982000Z
Lec.
Если пользователь не загрузил ни одного изображения, на экране появится соответствующее предупреждение. а б
false
true
false
14,182
2026-02-24T11:47:20.342000Z
2026-02-24T11:47:20.342000Z
Lec.
Поэтому веса моделей инициализировались изначально в главном файле, а после передавались с помощью параметров через все предыдущие окна
false
true
false
14,181
2026-02-24T11:47:18.718000Z
2026-02-24T11:47:18.718000Z
Lec.
Также следует отметить, что при инициализации классов в языке Python нельзя проводить тяжелые операции
false
true
false
14,180
2026-02-24T11:47:17.193000Z
2026-02-24T11:47:17.193000Z
Lec.
Результаты работы нейронных сетей передаются на следующее окно просмотра результатов
false
true
false
14,179
2026-02-24T11:47:15.391000Z
2026-02-24T11:47:15.391000Z
Lec.
Измененные изображения подаются на вход моделям
false
true
false
14,178
2026-02-24T11:47:13.884000Z
2026-02-24T11:47:13.884000Z
Lec.
После загрузки изображений пользователем к иллюстрациям применяются необходимые трансформации
false
true
false
14,177
2026-02-24T11:47:12.202000Z
2026-02-24T11:47:12.202000Z
Lec.
Пути к выбранным изображениям сохраняются в массив
false
true
false
14,176
2026-02-24T11:47:10.707000Z
2026-02-24T11:47:10.707000Z
Lec.
Для загрузки изображений было реализована специальная кнопка, при нажатии которой пользователю открывается диалоговое окно, в котором он выбирает одно или несколько изображений .jpg или .png формата
false
true
false
14,175
2026-02-24T11:47:09.036000Z
2026-02-24T11:47:09.036000Z
Lec.
Загрузка изображений
false
true
false
14,174
2026-02-24T11:47:07.488000Z
2026-02-24T11:47:07.488000Z
Lec.
Пример ввода информации о пациенте
false
true
false
14,173
2026-02-24T11:47:05.672000Z
2026-02-24T11:47:05.672000Z
Lec.
Валидатор плавающей точки помимо цифр позволяет вводить запятые
false
true
false
14,172
2026-02-24T11:47:04.111000Z
2026-02-24T11:47:04.111000Z
Lec.
Целочисленный валидатор не позволяет записывать в поле ввода любые символы, кроме цифр
false
true
false
14,171
2026-02-24T11:47:02.596000Z
2026-02-24T11:47:02.596000Z
Lec.
Для поля возраста использовался целочисленный валидатор, для полей масштаба – с плавающей точкой
false
true
false
14,170
2026-02-24T11:47:01.024000Z
2026-02-24T11:47:01.024000Z
Lec.
Поэтому для заполнения полей использовались валидаторы, задачей которых является проверка введенных пользователем символов
false
true
false
14,169
2026-02-24T11:46:58.729000Z
2026-02-24T11:46:58.729000Z
Lec.
Как было указано в структуре базы данных, поле возраст описывается целочисленным значением, а поля масштаба числами с плавающей точкой
false
true
false
14,168
2026-02-24T11:46:56.916000Z
2026-02-24T11:46:56.916000Z
Lec.
Реализация ComboBox для выбора пола пациента
false
true
false
14,167
2026-02-24T11:46:55.061000Z
2026-02-24T11:46:55.061000Z
Lec.
В случае с полом пациента выбор состоит из М (мужчина) и Ж (женщина)
false
true
false
14,166
2026-02-24T11:46:53.549000Z
2026-02-24T11:46:53.549000Z
Lec.
Для заполнения поля используется специальный виджет ComboBox, при раскрытии которого пользователю предоставляется конкретный выбор между несколькими вариантами
false
true
false
14,165
2026-02-24T11:46:51.393000Z
2026-02-24T11:46:51.393000Z
Lec.
В окне пользователю необходимо заполнить четыре поля: пол, возраст и размеры осей X и Y в см
false
true
false
14,164
2026-02-24T11:46:49.882000Z
2026-02-24T11:46:49.882000Z
Lec.
Основным функционалом следующего окна является передача данных о пациенте, а также предоставление информации о масштабе впоследствии загруженных МРТ-изображений для правильного перерасчета предсказаний модели поиска диаметров
false
true
false
14,163
2026-02-24T11:46:47.994000Z
2026-02-24T11:46:47.994000Z
Lec.
Реализация окна информации о пациенте
false
true
false
14,162
2026-02-24T11:46:46.074000Z
2026-02-24T11:46:46.074000Z
Lec.
Главное окно
false
true
false
14,161
2026-02-24T11:46:44.626000Z
2026-02-24T11:46:44.626000Z
Lec.
Кнопка «Просмотреть предыдущий анализ» открывает новое окно, в котором у пользователя запрашивается ID предыдущего анализа
false
true
false
14,160
2026-02-24T11:46:43.102000Z
2026-02-24T11:46:43.102000Z
Lec.
Нажатие на кнопку «Сделать анализ» перебрасывает пользователя на новое окно с заполнением информации о пациенте
false
true
false
14,159
2026-02-24T11:46:41.381000Z
2026-02-24T11:46:41.381000Z
Lec.
Для переходов были реализованы две кнопки с надписями: «Сделать анализ» и «Просмотреть предыдущий анализ»
false
true
false
14,158
2026-02-24T11:46:39.851000Z
2026-02-24T11:46:39.851000Z
Lec.
Главное окно включает в себя функционал перехода к процессу загрузки нового анализа и просмотра предыдущих анализов
false
true
false
14,157
2026-02-24T11:46:38.280000Z
2026-02-24T11:46:38.280000Z
Lec.
Реализация главного окна
false
true
false
14,156
2026-02-24T11:46:36.821000Z
2026-02-24T11:46:36.821000Z
Lec.
Массив строк
false
true
false
14,155
2026-02-24T11:46:35.379000Z
2026-02-24T11:46:35.379000Z
Lec.
Пути к изображениям
false
true
false
14,154
2026-02-24T11:46:33.866000Z
2026-02-24T11:46:33.866000Z
Lec.
Число с плавающей точкой
false
true
false
14,153
2026-02-24T11:46:32.410000Z
2026-02-24T11:46:32.410000Z
Lec.
FOV по оси X (в см)
false
false
false
14,152
2026-02-24T11:46:30.885000Z
2026-02-24T11:46:30.885000Z
Lec.
Строка (М или Ж)
false
false
false
14,151
2026-02-24T11:46:29.244000Z
2026-02-24T11:46:29.244000Z
Lec.
Целое число
false
false
false
14,150
2026-02-24T11:46:27.628000Z
2026-02-24T11:46:27.628000Z
Lec.
Название поля
false
false
false
14,149
2026-02-24T11:46:24.431000Z
2026-02-24T11:46:24.431000Z
Lec.
Начальная структура базы данных
false
true
false
14,148
2026-02-24T11:46:22.491000Z
2026-02-24T11:46:22.491000Z
Lec.
Таким образом, была обозначена структура базы данных, приведенная в таблице 19
false
true
false
14,147
2026-02-24T11:46:20.863000Z
2026-02-24T11:46:20.863000Z
Lec.
Так как модель поиска диаметров предсказывает размеры артерий в пикселях, то пользователь сам предоставляет масштаб изображения для перевода диаметров артерий в миллиметры
false
true
false
14,146
2026-02-24T11:46:19.082000Z
2026-02-24T11:46:19.082000Z
Lec.
Для корректного определения патологии диагносту необходимо знать пол и возраст пациента, которые считаются анонимными
false
true
false
14,145
2026-02-24T11:46:17.272000Z
2026-02-24T11:46:17.272000Z
Lec.
Так как приложение является несертифицированным с медицинской точки зрения, то сведения о пациентах предоставляются в анонимной форме
false
true
false
14,144
2026-02-24T11:46:15.391000Z
2026-02-24T11:46:15.391000Z
Lec.
Для сохранения результатов анализа необходимо разработать структуру базы данных
false
true
false
14,143
2026-02-24T11:46:13.314000Z
2026-02-24T11:46:13.314000Z
Lec.
Для реализации полноценного функционала, пользователю необходимо предоставить возможность заполнять данные о пациенте, загружать изображения и просматривать результаты работы моделей
false
true
false
14,142
2026-02-24T11:46:11.326000Z
2026-02-24T11:46:11.326000Z
Lec.
Для разработки приложения необходимо обозначить структуру работы сервиса
false
true
false
14,141
2026-02-24T11:46:09.503000Z
2026-02-24T11:46:09.503000Z
Lec.
Структура базы данных
false
true
false
14,140
2026-02-24T11:46:07.110000Z
2026-02-24T11:46:07.110000Z
Lec.
Разработка приложения
false
true
false
14,139
2026-02-24T11:46:05.473000Z
2026-02-24T11:46:05.473000Z
Lec.
Модель пошаговой сегментации была утверждена научным консультантом и кандидатом медицинских наук Мошкиным Андреем Сергеевичем
true
true
false
14,138
2026-02-24T11:46:03.822000Z
2026-02-24T11:46:03.822000Z
Lec.
Следует отметить, что в примерно в одном случае из 600 позвоночные артерии на МРТ-изображениях не представляются формой круга в связи с заболеванием атеросклероза
false
true
false
14,137
2026-02-24T11:46:02.169000Z
2026-02-24T11:46:02.169000Z
Lec.
Модель пошаговой сегментации удалось разработать на основе круглой формы позвоночных артерий на изображениях МРТ
false
true
false
14,136
2026-02-24T11:46:00.400000Z
2026-02-24T11:46:00.400000Z
Lec.
Диаметр + идеальная позиция. 0.611. 0.964. 0.742. 0.595
false
false
false
14,135
2026-02-24T11:45:58.565000Z
2026-02-24T11:45:58.565000Z
Lec.
Оценка модели поиска диаметров с идеальными позициями
false
true
false
14,134
2026-02-24T11:45:57.021000Z
2026-02-24T11:45:57.021000Z
Lec.
Для решения проблемы нахождения позиций при разработке приложения необходимо предоставить пользователю комфортный способ изменения позиций артерий
false
true
false
14,133
2026-02-24T11:45:55.427000Z
2026-02-24T11:45:55.427000Z
Lec.
Стандартный вариант сегментационной модели не справляется с выполнением поставленной задачи по причине неспособности определения формы позвоночных артерий
false
true
false
14,132
2026-02-24T11:45:53.862000Z
2026-02-24T11:45:53.862000Z
Lec.
Для последующей работы было принято решение использовать модель пошаговой сегментации в связи со стабильностью работы предоставленной модели
false
true
false
14,131
2026-02-24T11:45:52.320000Z
2026-02-24T11:45:52.320000Z
Lec.
Оценка модели диаметр + позиция для пошаговой сегментации
false
false
false
14,130
2026-02-24T11:45:50.732000Z
2026-02-24T11:45:50.732000Z
Lec.
Результаты оценки пошаговой сегментации приведены ниже в таблице
false
true
false
14,129
2026-02-24T11:45:49.116000Z
2026-02-24T11:45:49.116000Z
Lec.
Для объединения результатов работы двух отдельных нейронных сетей было создано изображение черного цвета с разрешением, соответствующим разрешению масок – 512x512
false
true
false
14,128
2026-02-24T11:45:47.462000Z
2026-02-24T11:45:47.462000Z
Lec.
Для анализа результатов была реализована функция Евклидова расстояния:. где – истинные координаты центра артерии,. – предсказанные координаты центра артерии
false
true
false
14,127
2026-02-24T11:45:45.708000Z
2026-02-24T11:45:45.708000Z
Lec.
Для обучения была выбрана архитектура ResNet101, в классификатор которой были внесены следующие изменения:. полносвязный слой со входом размером разрешения изображения и выходом 1024, а также ;. полносвязный со входом 1024, выходом 256 и ;
false
true
false
14,126
2026-02-24T11:45:43.817000Z
2026-02-24T11:45:43.817000Z
Lec.
Реализация функции преобразования маски в координаты вида (x, y), где x, y – пиксели в диапазоне от 0 до 512 (разрешение изображений)
false
true
false
14,125
2026-02-24T11:45:42.291000Z
2026-02-24T11:45:42.291000Z
Lec.
Из двух моделей была выбрана модель с фильтром NLM для дальнейшей работы по следующим причинам:. относительная ошибка ниже, чем у модели с фильтром Франги;. коэффициент вариации ниже, чем у модели с фильтром Франги;. метрики MAE и RMSE сопоставимы с фильтром Франги
false
true
false
14,124
2026-02-24T11:45:40.823000Z
2026-02-24T11:45:40.823000Z
Lec.
Лучшими моделями являются NLM и Франги
false
true
false
14,123
2026-02-24T11:45:38.943000Z
2026-02-24T11:45:38.943000Z
Lec.
Главная цель методики – улучшение обобщающей способности модели за счет повышения количества различных входных данных
false
true
false
14,122
2026-02-24T11:45:37.182000Z
2026-02-24T11:45:37.182000Z
Lec.
Для искусственного расширения датасета часто используется аугментация – наполнение путем трансформации уже существующих изображений
false
true
false
14,121
2026-02-24T11:45:35.518000Z
2026-02-24T11:45:35.518000Z
Lec.
Предоставленный факт обусловлен тем, что валидационная выборка состоит из 9 пар изображений-масок
false
true
false
14,120
2026-02-24T11:45:33.948000Z
2026-02-24T11:45:33.948000Z
Lec.
Архитектура классификатора была изменена так, чтобы модель предсказывала диаметры двух позвоночных артерий:. полносвязный слой со входом размером разрешения изображения и выходом 2048, а также ;. полносвязный со входом 2048, выходом 256 и ;. линейный слой со входом 256 и выходом 2 (диаметры позвоночных артерий)
false
true
false
14,119
2026-02-24T11:45:32.082000Z
2026-02-24T11:45:32.082000Z
Lec.
Реализация пошаговой сегментации путем зарисовки с правильными размерами и позициями
false
true
false
14,118
2026-02-24T11:45:30.437000Z
2026-02-24T11:45:30.437000Z
Lec.
Прямой поиск диаметров артерий
false
true
false
14,117
2026-02-24T11:45:28.992000Z
2026-02-24T11:45:28.992000Z
Lec.
Dice + BCE. 0.053. 0.0376. 0.093. 0.049
false
false
false
14,116
2026-02-24T11:45:27.173000Z
2026-02-24T11:45:27.173000Z
Lec.
Лучшей моделью является сочетание фильтра CurvatureFlow и функции потерь Dice + BCE со следующими показателями:
false
true
false
14,115
2026-02-24T11:45:25.564000Z
2026-02-24T11:45:25.564000Z
Lec.
Также для оценки результатов использовались специфичные для задач сегментации раннее упомянутые метрики и
false
true
false
14,114
2026-02-24T11:45:23.720000Z
2026-02-24T11:45:23.720000Z
Lec.
Для анализа результатов были выбраны метрики и [52], которые описаны следующими формулами:. где – истинное положительное предсказание,. – ложное положительное предсказание,. – ложное отрицательное предсказание
false
true
false
14,113
2026-02-24T11:45:22.044000Z
2026-02-24T11:45:22.044000Z
Lec.
При обучении моделей использовался классический оптимизатор Adam [51]
false
true
false
14,112
2026-02-24T11:45:20.416000Z
2026-02-24T11:45:20.416000Z
Lec.
При реализации используются подсортированные ошибки и субградиенты . не имеет простой формулы, но является реализуемой с помощью кода. [50] – гибридная функция потерь, объединяющая взвешенную кросс-энтропию и :. где – регулировщик вклада каждой функции потерь
false
true
false
14,111
2026-02-24T11:45:18.676000Z
2026-02-24T11:45:18.676000Z
Lec.
Функция потерь измеряет насколько предсказанная область совпадает с истинной:. [46] – модифицированная версия , задачей которой является обучение модели на трудных примерах, что необходимо при работе с МРТ-изображениями:. где – предсказание модели,. – весовой коэффициент (для балансировки классов),. – фокусирующий параметр. [47] – обобщение , позволяющее по-разному штрафовать FP и FN предсказания:. где – истинное положительное предсказание,. – ложное положительное предсказание,. – ложное отрицательное предсказание,. и – регулировщики баланса между и . [48] – совмещенная функция потерь, идея которой объединить и возможность модели обучаться на трудных примерах:. где – фокусирующий параметр. [49] – функция потерь, идеей которой является напрямую оптимизировать , даже если оно не дифференцируемое
false
true
false
14,110
2026-02-24T11:45:16.386000Z
2026-02-24T11:45:16.386000Z
Lec.
Если рассматривать каждый пиксель по отдельности, то задача сегментации превращается во множество подзадач бинарной классификации, результатом которых является булево значение принадлежности пикселя к позвоночной артерии. где – логит (предсказание модели до применения сигмоиды),. – действительное значение,. – сигмоида. [27] – функция потерь, основанная на коэффициенте Дайса, который измеряет пересечение между предсказанием и истинной:. где – предсказанная маска,. – истинная маска. [44] – комбинированная функция потерь, объединяющая и :. [45] (или Intersection over Union Loss) основана на метрике IoU (или коэффициент Жаккара)
false
true
false
14,109
2026-02-24T11:45:14.299000Z
2026-02-24T11:45:14.299000Z
Lec.
Функция записывается следующим образом:. где – количество пар значений,. – действительное значение,. – предсказанное значение. [43] – функция потерь, сочетающая в себе сигмоиду и функцию потерь бинарной кросс-энтропии ( – Binary Cross Entropy). используется в основном для бинарной классификации
false
true
false
14,108
2026-02-24T11:45:12.431000Z
2026-02-24T11:45:12.431000Z
Lec.
Для обучения модели под решение задачи сегментации, были выбраны 10 различных функций потерь:. (Mean Squared Error) [42] – функция среднеквадратичной ошибки между предсказанным и действительным значениями
false
true
false