Целью исследования является обоснование и выбор архитектуры нейронной сети для возможности реализации когнитивных функций сетевого программного обеспечения управления группировкой взаимодействующих малых космических аппаратов. Методы основаны на понятиях теории ИИ для управления группировкой МКА – использование адаптивных методов и средств, позволяющих принимать решения, аналогично механизмам мышления человека. Применительно к системам космической связи с гетерогенной структурой методы и технологии ИИ направлены на процессы прогнозирования состояния в каналах связи между узлами сети и автоматической реконфигурации сети аппаратов на основе процессов обучения нейронной сети (НС). Результаты. В режиме обучения и прогнозирования необходимо использовать временные ряды параметров и координат конкретных пар МКА, обладающих ненулевой прямой видимостью. Специально для анализа временных рядов применяются рекуррентные нейронные сети (RNN), в частности LSTM. Идея работы RNN состоит в использовании в качестве входных данных для текущего прогноза не только векторов состояния МКА и их координат, но и предыдущего значения качества связи, фактического или прогнозного. В работе показано, что бортовые вычислительные мощности отдельного МКА не позволяют выполнять прогнозирование и обучение на борту. Следовательно, требуется выделенный наземный сегмент прогнозирования и мониторинга, который будет собирать апостериорную информацию, периодически выполнять обучение когнитивной модели, использовать ее для прогнозирования качества связи и передавать результаты узлам сети для построения маршрутов передачи данных. Заключение. Анализ современных решений и выбор архитектуры нейронной сети для реализации когнитивных функций сетевого программного обеспечения управления группировкой взаимодействующих малых космических аппаратов показал, что наиболее полно требованиям проекта отвечают нейронные сети архитектуры Transformer, которые основаны на механизме внутреннего внимания. Архитектура Transformer позволяет использовать всю полноту априорных данных, обладает высокой скоростью обучения и прогнозирования.

Цель исследования ‒ разработка гибридного нейронечеткого классификатора для дистанционного контроля степени тяжести внебольничной пневмонии с учетом риска сопутствующих заболеваний.

Методы. Для оценки степени тяжести внебольничной пневмонии и определения эффективности ее плана лечения в гибридный нейронечеткий классификатор включена гибридная нейронная сеть, которая содержит три макрослоя: PNN-FNN-FNN*. Число решающих блоков макрослоя PNN равно числу сегментов, выделенных в пространстве информативных признаков, а на выходе каждого блока PNN выдаются оценки риска и отсутствия риска внебольничной пневмонии по кластерам степени тяжести. Агрегация принимаемых решений по N сегментам пространства информативных признаков осуществляется в слое FNN, который имеет структуру нечеткого модуля принятия решений. Агрегация 2L выходов PNN-FNN происходит в макрослое FNN*. В этом же макрослое учитывается влияние коморбидности на степень тяжести внебольничной пневмонии.

Результаты. Апробация гибридного нейронечеткого классификатора степени тяжести внебольничной пневмонии проведена на экспериментальной группе больных внебольничной пневмонией с коморбидностью в виде ишемической болезни сердца. Показатели качества классификации степени тяжести пневмонии с учетом риска коморбидного заболевания на примере ишемической болезни сердца показали, что агрегация классификатора степени тяжести внебольничной пневмонии и классификатора риска коморбидного заболевания в виде гибридного нейронечеткого классификатора позволяет повысить качество оценки степени тяжести внебольничной пневмонии более чем на 10% по всем показателям качества.

Заключение. Гибридный нейронечеткий классификатор, построенный на разных парадигмах распознавания образов, позволяет выделять кластеры тяжести заболевания и повысить показатели качества классификации степени тяжести внебольничной пневмонии при наличии коморбидности в среднем на 12%.

Целью исследования является разработка прикладного программного обеспечения, включая VR-технологии, для увеличения числа подготавливаемых специалистов по радиационному виду неразрушающего контроля за счет снижения удельной нагрузки на радиографические лаборатории при сохранении объёмов практических занятий, приобретаемых компетенций и формируемых профессиональных навыков.

Методы. Рассмотрены основные факторы востребованности симулятора промышленной радиографии применительно к практической части образовательного цикла. Выделены наиболее значимые аспекты практической подготовки, доступные для их виртуальной реализации. Представлены результаты программной реализации математических моделей физических и физико-химических процессов ионизирующего излучения в контексте формирования цифрового двойника радиографического изображения.

Результаты. Выполнена практическая реализация дидактических материалов в виде программно-аппаратного VR-симулятора в составе цифровой образовательной среды для решения задач обучения, переподготовки, подготовки к аттестации персонала и предоставления допуска специалистов к выполнению работ по радиационному виду неразрушающего контроля на объектах. Исследованы физические и технологические аспекты, выполнены моделирование, алгоритмизация и программная реализация VRсимулятора. Результаты апробации учебных программ с интеграцией занятий в VR-симуляторе промышленной радиографии показали, что общее время практики обучающихся увеличивается на 30‒65% при одновременном сокращении загруженности радиографической лаборатории более чем на 25%.

Заключение. Применение предложенного подхода позволит сократить экологические и медико-биологические риски за счет редуцирования требований к безопасности занятий с применением программно-аппаратного решения. Автоматизация процедур формирования тестовых заданий и контроля знаний на основе программных инструментальных средств и применения математических моделей, включая методы искусственного интеллекта, позволит достигнуть сокращения сроков обучения и поспособствует дальнейшему увеличению числа подготовленных специалистов по различным видам и методам неразрушающего контроля.

Практическая полезность разработки цифровой виртуальной среды раскрывается благодаря переносу и масштабированию полученного программно-аппаратного решения на другие виды и методы неразрушающего контроля согласно ГОСТ Р 56542-2019.

Целью исследования работы является разработка системы биомеханического исследования объемов движения в стопе и голеностопном суставе для диагностики больных ДЦП при оценке качества реабилитационных мероприятий. Исследован процесс создания компьютерной системы диагностики больных с нарушениями двигательных функций нижних конечностей, которая оснащается специальными биоизмерительными устройствами, обеспеченными специализированными алгоритмами обработки полученной информации, обусловливается необходимостью научных исследований, направленных на разработку методов и средств комплексной оценки результатов физической реабилитации с использованием биомедицинских показателей.

Методы. Использованы методы кинематического анализа движений в голеностопном суставе, осуществлены динамический и статический анализы сил опорных реакций стопы нижних конечностей.

Результаты. Разработана система регистрация движений на основе электронного гониометра, реализованного на основе резистивного потенциометра B10K. Определение абсолютных углов поворота звеньев диагностической системы осуществлено при помощи датчика ускорения MMA7361, который содержит установленные на одной пластине кремния три микромашинных конденсатора. В процессе исследований изменение емкостей микромашинных конденсаторов позволяет обеспечивать фиксацию регистрируемой величины на каждом из направлений. Проходящие через низкочастотные фильтры и каскады температурной компенсации сигналы поступают на соответствующие выходы X, Y и Z. Получаемые ангулограммы позволяют оценить походку исследуемого пациента по двум классам ‒ в норме и при наличии патологии.

Заключение. Разработана система формирования и оценки биоэлектрических сигналов, получаемых с применением мышечного аппарата стопы пациентов с ДЦП, собранная на платформе платы управления Arduino UNO и персонального компьютера общего назначения. Разработанная система позволяет проводить регистрацию биоэлектрических сигналов с последующей их обработкой с помощью персонального компьютера и принятием диагностических решений.

Цель исследования заключается в разработке приложения, предназначенного для автоматического распознавания формы частиц нанопорошка и установления их размеров на основе нейросетевых технологий, обеспечивающего упрощение процесса подготовки документации при его изготовлении.

Методы. Для определения физических свойств нанопорошков при их изготовлении необходимо проведение анализа распределения частиц по размерам. Предложена методология определения распределения частиц нанопорошка по размерам на основе сверотчных нейронных сетей. Для обработки используются изображения, полученные с помощью электронной микроскопии, что позволяет значительно ускорить подготовку произведенных порошков к продаже. Собранный для обучения сверточных нейронных сетей датасет содержит как реальные изображения образцов различных видов нано порошков, так и аугментированные данные, а также сгенерированные изображения. При разработке приложения был использован язык Python, графическая среда программирования LabVIEW, сверточная нейронная сеть YOLO и различные библиотеки языка Python.

Результаты. В результате проведенных исследований была получена обученная на собранном датасете нейросетевая модель, которая выполняет распознавание разнообразных частиц на изображениях и устанавливает количественные оценки этих частиц. Для работы с нейросетевой моделью был создан программный интерфейс, который позволяет проводить анализ образцов нанопорошка.

Заключение. Разработанное приложение позволяет в автоматическом режиме определять средний размер частиц порошка на основе полученных изображений нанопорошков с помощью электронной микроскопии, а также строить графики распределения частиц, составляющих нанопорошок, по размерам. Это значительно упрощает работу производителям нанопорошков и облегчает подготовку необходимой документации для произведенного продукта.

Цель исследования ‒ разработка методики обнаружения глаукомы, которая основана на вычислении величины соотношения размеров оптической чашки и оптического диска и правиле четырех квадрантов. Их использование повышает точность обнаружения глаукомы на изображениях сетчатки глаза человека.

Методы. Предложена методика обнаружения глаукомы, которая использует отношение вертикального диаметра чашки к вертикальному диаметру диска и правило «четырех квадрантов» в качестве двух основных параметров для обнаружения глаукомы. Диск зрительного нерва (OД), глазная чашка (OЧ) сегментируются с использованием метода наращивания областей и метода водоразделов, а затем объединяются для получения окончательных результатов. Их объединение выполняется с помощью логической операции ИЛИ. Полученные изображения аппроксимируются с применением круговой аппроксимации, поскольку ее реализация проста за счет вычисления одного центра и радиуса. Для диагностики было решено применять два параметр ‒ соотношение чашки и диска (ОЧД) и правило четырех квадрантов. Их комбинированная оценка позволяет увеличить точность обнаружения глаукомы.

Результаты. Исследование предложенной методики было произведено на снимках сетчатки глаза, полученных из 4 баз данных: HRF, DIARETDB1, DRIONS-DB, Messidor. Исследование показало, что предложенная методика правильно определяет 75 изображений сетчатки как глаукомные из 84с общей чувствительностью 91,67%. Из 163 нормальных изображений 154 были правильно классифицированы как нормальные со специфичностью 94,47%.

Заключение. Предлагаемая методика проста и вычислительно эффективна. Она может быть использована в компьютерной диагностике глаукомы на ранних стадиях заболевания.

Цель исследований. В нашей жизни фракталы распространены повсеместно, например, в природе, в ней встречается огромное количество фигур, подобных самим себе и построенных по определенным законам. Фракталы используют в компьютерной графике, экономике, радиотехнике, физике и многих других областях. Применение фракталов в различных областях науки способно открыть множество новых возможностей. Поэтому разработка программного продукта, предназначенного для визуализации множество Мандельброта, является актуальной задачей. Цель исследований заключается в разработке программного продукта, предназначенного для обработки сложноструктурируемых изображений на основе фрактальных методов и алгоритмов визуализации множества Мандельброта.

Методы. Для реализации программного продукта с целью визуализации множества Мандельброта был использован язык программирования Java. В качестве локального хранилища данных была использована БД SQLite. Также были применены библиотеки: JavaFX ‒ для создания пользовательского интерфейса; SQLite JDBC 3.21.0 ‒ для работы с БД SQLite; imgscalr ‒ с целью масштабирования изображений; Apache Commons IO 2.6 для работы с файловой системой; ControlsFX v8.40.14 ‒ для создания интерфейса пользователя.

Результаты. Разработанный программный продукт на основе фрактальных методов позволяет существенно выделить текстурные особенности изображений, на основании которых производится операция кластеризация выделенных объектов интереса на изображениях с целью экспортирования для дальнейшей их классификации.

Заключение. В ходе выполнения проекта реализован программный продукт для визуализации множества Мандельброта, который может быть использован для моделирования объектов, имеющих фрактальную форму, применительно к обработке сложноструктурируемых изображений, содержащих невидимые скрытые особенности объектов на изображениях.

Целью исследования является конструирование линейной шкалы для оценки результатов обучения и оценка релевантности индикаторных переменных, участвующих в формировании шкалы.

Методы. Анализ существующих подходов к оцениванию компетенций показал, что наиболее эффективным подходом является деятельностный подход, предполагающий оценку компетенций как результат текущего, рубежного и/или итогового контроля по дисциплине или группе дисциплин. Для этого необходима шкала – измерительный инструмент, позволяющий оценить уровень знаний по данной компетенции. Качество измерительного инструмента оценивалось в рамках теории латентных переменных на основе модели Раша. Использовалось интерактивная среда «Измерение латентных переменных», разработанная в лаборатории объективных измерений Кубанского государственного университета, и программное обеспечение RUMM 2020, которое широко применяется в нашей стране для обработки результатов тестирования обучающихся.

Результаты. Для универсальной компетенции «Способен управлять своим временем, выстраивать и реализовывать траекторию саморазвития на основе принципов образования в течение всей жизни» разработано программное обеспечение и пул тестовых заданий. В рамках теории латентных переменных протестирована валидность линейной шкалы для этой компетенции. Определены индикаторы линейной шкалы, которые наиболее адекватно характеризуют качество оценки уровня знаний, выявлены индикаторы с наибольшей и наименьшей чувствительностью к уровню знания по этой компетенции.

Заключение. Разработанная линейная шкала оценки результатов обучения использована для измерения уровня сформированности универсальной компетенции УК-6 у студентов Кубанского государственного университета. Полученные результаты необходимы для мониторинга формирования компетенции УК-6 и для определения факторов, влияющих на формирование этой компетенции.

Цель исследования – развитие методов синтеза гибридных классификаторов для оценки риска социально значимых заболеваний с использованием биоимпедансного анализа.

Методы. Мы разработали дескрипторный подход, используя результаты импедансной спектроскопии, генерируя четыре амплитудно-фазочастотные характеристики от четырех квазиортогональных отведений. Они создают пространства признаков, необходимые для нашего гибридного классификатора в диагностике заболеваний поджелудочной железы, автономные интеллектуальные агенты которого построены на различных парадигмах: вероятностные нейронные сети; нечеткий логический вывод; полносвязные нейронные сети прямого распространения сигнала. Также мы представили структуру устройства для создания пространства информативных признаков.

Результаты. Экспериментальные исследования предложенных методов и средств классификации медицинского риска были осуществлены на задачах диагностики по классам «острый деструктивный панкреатит» ‒ «нет острого деструктивного панкреатита» и задачах дифференциальной диагностики по классам «рак предстательной железы» – «хронический панкреатит». Они показали, что включение многочастотного зондирования в классификаторы на основе нейронных сетей позволяет разрабатывать системы поддержки клинических решений для диагностики заболеваний, сопоставимые по показателям эффективности с существующими методами клинической диагностики. Результаты были подтверждены на группах пациентов мужского и женского пола на разных стадиях рака в возрасте от 25 до 80 лет с использованием различных диагностических методов, включая сбор анамнеза, физикальное обследование, оценку сопутствующей патологии, лабораторные исследования, УЗИ, лапароскопию, интраоперационную ревизию и компьютерную томографию.

Заключение. Использование метода биоимпедансной спектроскопии и гибридных моделей классификаторов открывает новые возможности для доступной и объективной диагностики заболеваний поджелудочной железы, расширяя возможности интеллектуальных систем поддержки принятия медицинских решений.

Целью исследования является разработка метода оценки уровня неспецифической защиты организма человека по показателям, характеризующим процессы адаптации, использование которого в решающих правилах прогнозирования и диагностики заболеваний обеспечивает повышение качества принимаемых решений.

Методы. В многочисленных источниках имеется достаточно подробное описание защитных механизмов организма человека, реализуемых неспецифической и специфической системами защиты, которые тесно связаны с такими понятиями, как: адаптационный потенциал, адаптационный резерв, функциональное состояние и функциональный резерв. В работе исследуются вопросы использования показателей, характеризующих адаптационный потенциал и адаптационные резервы для количественной оценки неспецифического уровня защиты организма от воздействия разнородных внешних факторов. В качестве базового математического аппарата используется методология синтеза гибридных нечетких решающих правил.

Результаты. В работе показано, что для количественной оценки уровня защиты организма целесообразно использовать показатель активности регуляторных систем, адаптационный потенциал, показатель, характеризующий иммунно-эндокринную составляющую адаптации, и показатель, характеризующий нервно-психическую составляющую адаптации. Для этой системы показателей разработан метод оценки уровня защиты по базовым показателям, характеризующим процессы адаптации на общесистемном уровне, отличающийся учетом составляющих, характеризующих различные механизмы формирования адаптационного потенциала и адаптационного резерва, учитывающий специфику структуры данных и способы их обработки для наилучших результатов по качеству и времени принимаемых решений. Получены нечеткие функции уровня защиты по выбранной системе показателей с интегральной оценкой уровня защиты организма.

Заключение. В работе показано, что для улучшения показателей качества прогнозирования и диагностики социально значимых и профессиональных заболеваний целесообразно использовать показатели уровня защиты организма, определяемые по адаптационным механизмам. Установлено, что качество принятия решений с использованием предложенных моделей увеличивается на 10–15% в зависимости от типа решаемых задач по сравнению с моделями, не использующими показатели уровня защиты организма.

Цель исследования  - развитие методов синтеза гибридных  классификаторов для оценки риска социально значимых заболеваний с использованием биоимпедансного анализа.

Методы. Мы разработали дескрипторный подход, используя результаты импедансной спектроскопии, генерируя четыре амплитудно-фазо-частотные характеристики от четырех квазиортогональных отведений. Они создают пространства признаков, необходимые для нашего гибридного классификатора в диагностике заболеваний поджелудочной железы, автономные интеллектуальные агенты которого построены на различных парадигмах: вероятностные нейронные сети, нечеткий логический вывод, полносвязные нейронные сети прямого распространения сигнала. Также мы представили структуру устройства для создания пространства информативных признаков.

Результаты. Экспериментальные исследования предложенных методов и средств классификации медицинского риска были осуществлены на задачах диагностики по классам: «острый деструктивный панкреатит» - «нет острого деструктивного панкреатита» и задачи дифференциальной диагностики по классам рак предстательной железы – хронический панкреатит. Они показали, что включение многочастотного зондирования в классификаторы на основе нейронных сетей позволяет разрабатывать системы поддержки клинических решений для диагностики заболеваний, сопоставимые по показателям эффективности с существующими методами клинической диагностики. Результаты были подтверждены на группах пациентов мужского и женского пола на разных стадиях рака в возрасте от 25 до 80 лет с использованием различных диагностических методов, включая сбор анамнеза, физикальное обследование, оценку сопутствующей патологии, лабораторные исследования, УЗИ, лапароскопию, интраоперационную ревизию и компьютерная томография.

Заключение. Использование метода биоимпедансной спектроскопии и гибридных моделей классификаторов открывает новые возможности для доступной и объективной диагностики заболеваний поджелудочной железы, расширяя возможности интеллектуальных систем поддержки принятия медицинских решений.