Том 14, № 3 (2023)

Обложка

Весь выпуск

Распознавание цифровых последовательностей с использованием свёрточных нейронных сетей

Винокуров И.В.

Аннотация

В статье показана актуальность задачи преобразования в текстовой формат элементов изображений, содержащих последовательности машинописных цифр. На примере распознавания табличной информации из отсканированных документов ППК «Роскадастр» предложено возможное решение этой задачи с использованием свёрточных нейронных сетей (CNN). Описаны принципы формирования наборов данных и моделей CNN для распознавания последовательностей из двух, трёх и четырёх цифр. Приведены результаты экспериментального исследования этих моделей и показана их эффективность. Описана интеграция моделей CNN в разрабатываемую в настоящее время информационную систему (ИС), предназначенную для автоматизированного перевода отсканированных документов в их текстовые аналоги.

Программные системы: теория и приложения. 2023;14(3):3-36
pages 3-36 views

Анализ изображений растения, полученных с камеры системы автоматизированного ухода, для визуальной оценки изменения его состояния с течением времени

Смирнов А.В., Иванов Е.С.

Аннотация

Предложен метод анализа изображений растений, полученных с одной камеры, для определения кроны растения и детектирования её отдельных цветовых оттенков. Рассмотрена возможность визуальной оценки состояния растений с использованием среднего арифметического взвешенного расстояния до эталонов. Приведено описание экспериментальной установки автоматизированного ухода за растениями, с помощью которой были собраны анализируемые данные.

Программные системы: теория и приложения. 2023;14(3):37-58
pages 37-58 views

Построение этиопатогенетического образа концептов метатезауруса UMLS с использованием графовых метрик

Астанин П.А., Раузина С.Е., Зарубина Т.В.

Аннотация

Разработка средств информационной поддержки принятия клинических решений (ППКР) является актуальной задачей медицинской информатики. Довольно часто в системах ППКР используются информационно-поисковые алгоритмы, важным этапом проектирования которых служит создание средств автоматического распознавания этиопатогенетического образа заболеваний при работе с неструктурированным текстом. В настоящей статье произведены обзор и сравнительная характеристика аналитических метрик, применимых для построения образа концептов метатезауруса Unified Medical Language System (UMLS), представленного в виде графовой информационной модели. Предложен собственный вариант графовой метрики, показавший наибольшую эффективность при решении данной задачи.

Программные системы: теория и приложения. 2023;14(3):59-94
pages 59-94 views

Использование нейронных сетей для поиска нарушений укладки пациента на рентгенограммах органов грудной клетки

Борисов А.А., Васильев Ю.А., Владзимирский А.В., Омелянская О.В., Семенов С.С., Арзамасов К.М.

Аннотация

В работе представлены результаты применения трансферного обучения глубоких сверточных нейронных сетей для задачи поиска рентгенограмм органов грудной клетки с нарушениями укладки и позиционирования пациента. Оцениваемые нейросетевые архитектуры: InceptionV3, Xception, ResNet152V2, InceptionResNetV2, DenseNet201, VGG16, VGG19, MobileNetV2, NASNetLarge. Для обучения и тестирования использовались рентгенограммы грудной клетки, полученные из открытых наборов данных и Единого радиологического информационного сервиса города Москвы. Все полученные модели имели метрики диагностической точности выше 95%, при этом модели на основе архитектур ResNet152V2, DenseNet201, VGG16, MobileNetV2 имели статистически значимо лучшие метрики, чем другие модели. Наилучшие абсолютные значения метрик показала модель ResNet152V2 (AUC =0.999 ,чувствительность=0.987, специфичность=0.988, общая валидность =0.988, F1 мера = 0.988). Модель MobileNetV2 показала наилучшую скорость обработки одного исследования (67.8±5.0 ms). Широкое использование полученных нами алгоритмов способно облегчить создание больших баз данных качественных медицинских изображений, а также оптимизировать контроль качества при выполнении рентгенографических исследований органов грудной клетки.

Программные системы: теория и приложения. 2023;14(3):95-113
pages 95-113 views

Разные неблокируемые самомаршрутизируемые системные сети с прямыми каналами

Подлазов В.С.

Аннотация

Разработаны три новых варианта неблокируемой самомаршрутизируемой сети с прямыми каналами, в которой конфликты пакетов обнаруживаются и разрешаются на входе в сеть. Заблокированные в конфликтах пакеты повторно передаются источниками с минимальными задержками. В сеть добавлены сквозные цепи обратной связи для быстрого обнаружения конфликтов пакетов. Наличие цепей обратной связи позволяет осуществлять произвольный трафик без потери пакетов. Сети разработаны в 1-, 2-, 4-, и 8-каскадном вариантах с масштабированием числа каналов от нескольких сот до многих миллионов с оценкой достигаемого быстродействия сетей на перестановочном трафике. Практическая ориентация предложенных сетей — это системные сети с передачей маршрутной информации в заголовках пакетов с использованием в каждом каскаде управляющей маршрутной информации. Предложенные сети выполнены в расширенном схемном базисе, состоящем из коммутаторов, мультиплексоров и демультиплексоров. В работе представлены характеристики построенных сетей и дана их сравнительная оценка. Новизна разработанных сетей состоит как в самом факте их построения, так и в использованной структуре сетей и их характеристиках.

Программные системы: теория и приложения. 2023;14(3):115-138
pages 115-138 views

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».