SCI Библиотека

Предложена методика декомпозиции области значений многомерных статистических данных, которая учитывает зависимости между компонентами случайной величины и их количественные значения. Синтез структуры системы декомпозиции исходной выборки наблюдений многомерной случайной величины основан на анализе суммы коэффициентов корреляций неповторяющихся парных сочетаний её компонент и использовании модификации алгоритма автоматической классификации «Форель». Показана возможность обоснованного выбора параметра алгоритма классификации. Предложена система декомпозиции значений многомерной случайной величины является актуальной при анализе данных дистанционного зондирования.

Цель исследования. Разработка программного кода на языке программирования C#, реализующего алгоритм распознавания формы геометрических объектов на входном изображении при обеспечении надежности этого вычислительного процесса.

Методы. Алгоритм распознавания геометрических форм объектов основан на сочетании традиционных методов обработки изображений и интеллектуальных правил, определяющих вид геометрической формы объекта в зависимости от характеристик контуров, таких как моменты, количество их сторон и т.д. Для реализации данного метода в статье предлагается последовательность математических операций, включающая следующие этапы. Во-первых, метод включает операции размытие, преобразование исходного изображения в градации серого и инвертирование. На втором этапе осуществляется детектирование контуров и определение их характеристик, таких как моменты, периметр и др. На финальном этапе в зависимости от числа сторон, входящих в структуру контура, на основе интеллектуальных правил осуществляется сопоставление каждого найденного контура определенной геометрической фигуры.
Результаты. Разработаны алгоритм и инструкции создания программного кода для программной реализации процесса распознавания геометрической формы объектов. Определено, что предложенный алгоритм имеет высокую надежность, составляющую порядка 97%.
Заключение. Традиционные методы обработки изображений, такие как размытие и преобразование в градации серого, могут успешно сочетаться с методами выделения контуров и определения их геометрических характеристик. Подобная синергия методов обработки изображений позволяет создать алгоритм распознавания геометрических форм. Важно учитывать, что надежность и эффективность подобного алгоритма зависит от настройки пороговых значений, используемых в функциях обработки изображений, и дальнейшее исследование их характеристик может привести к улучшению результатов рассмотренного в статье алгоритма.

Рентгеновская компьютерная томография (РКТ) является одним из наиболее информативных методов неразрушающего контроля полимерных композиционных материалов (ПКМ) и изделий из них. Одним из важных этапов РКТ изделий из ПКМ является сегментация, автоматизация которой представляет исследовательский интерес. Использованы синтетические данные и данные РКТ, полученные от образцов ПКМ с различной внутренней структурой. Выбрано два алгоритма трёхмерной кластеризации: водоразделов (ВР) и суперпикселей (супервокселей) с линейной итеративной кластеризацией (СЛИК) и оценена их эффективность по параметрам: доля несовпадений границ кластеров и сферичность кластеров, а также производительность по времени разбиения датасета на необходимое число кластеров. Точность совпадения границ на реальных данных при разбиении на 250 кластеров составляет 92 % (СЛИК) и 85 % (ВР). Сферичность кластеров для обоих алгоритмов превышает 50 %, что позволяет в дальнейшем классифицировать их методами радиомического анализа. Отмечен рост времени кластеризации алгоритмом СЛИК при увеличении числа кластеров, при этом производительность алгоритма водоразделов значимо не изменялась во всём диапазоне разбиения.

Приведены результаты исследований возможностей применения языка и его составляющих (текстовой и речевой) как факторов нейролингвистической идентификации и аутентификации интеллектуальных систем (ИС), носителей русского и чеченского языка. Для достижения целей исследований использовался подход, основанный на информационной виртуализации. Предполагается использование одного из путей решения проблем повышения эффективности идентификации и аутентификации, которым является применение фактора языковой нейролингвистической текстовой идентификации и аутентификации. Исследования показывают, во-первых, что при изменении языка, в случае использования интеллектуальной системы как носителей нескольких языков, наблюдается изменение параметров нейролингвистической идентификации, во-вторых, что если все интеллектуальные системы являются носителями одного языка, то при переходе от одной интеллектуальной системы к другой происходит изменение параметров нейролингвистической идентификации. Таким образом в исследовании определено, что язык интеллектуальной системы может использоваться как фактор идентификации и аутентификации. Исследованы ИС, являющиеся носителями как чеченского, так и русского языка. На первом этапе исследованы десять ИС как носители русского языка, а на втором этапе - те же десять ИС, но как носители чеченского языка. Приведены результаты зависимости основных параметров, а также зависимости производных параметров нейролингвистической текстовой идентификации интеллектуальных систем носителей русского и чеченского языка. Полученные результаты открывают принципиально новую возможность исследований в направлении нейролингвистической текстовой идентификации и аутентификации. Исследования в этом направлении представляют научный и практический интерес, как для случая идентификации интеллектуальной системы носителей одного языка, так и для случая, когда одна интеллектуальная система является носителем множества языков.

Анализ состояния исследований показал, что в настоящее время восстановительная механотерапия широко применяется для реабилитации больных с функциональными нарушениями опорно-двигательной системы, вызванными последствиями сосудистых заболеваний, нарушений нейрорегуляции двигательной активности, травм и патологии опорно-двигательного аппарата. В восстановительной механотерапии чаще всего использую роботы последовательной структуры, которые обладают необходимой рабочей областью, но при этом имеют низкую грузоподъёмность, в результате чего приходится масштабировать систему. Отличным решением для реализации механотерапии на основе робототехнических средств являются роботы параллельной структуры. В статье представлены структура и модель в двух вариантах исполнения: одномодульный роботизированный комплекс (РТК) для реабилитации одной конечности и двухмодульный роботизированный комплекс для реабилитации обеих конечностей. Каждый модуль включает активный 3-PRRR манипулятор для перемещения стопы пациента и пассивный ортез на базе RRR механизма для поддержки нижней конечности. На основе клинических аспектов в области реабилитации сформулированы требования к разрабатываемому РТК для реабилитации нижних конечностей с учетом антропометрических данных пациентов. Разработана математическая модель, описывающая зависимость положений звеньев активных и пассивных механизмов двух модулей от углов в шарнирах пассивного ортеза с учётом вариантов креплений кинематических цепей активных манипуляторов к подвижным платформам и их конфигураций. Разработан метод параметрического синтеза гибридной робототехнической системы модульной структуры с учётом сформированных уровней параметрических ограничений в зависимости от эргономичности и технологичности конструкции на основе критерия в виде свёртки, включающей два компонента, один из которых основан на минимизации недостижимых точек траектории с учётом особенностей антропометрических данных, а другой - на компактности конструкции. Разработан цифровой двойник РТК и подвесной предохранительный механизм в составе РТК с использованием средств CAD/CAE системы NX. Проектирование пассивного RRR механизма выполнено путем реверсивного инжиниринга с использованием 3D сканирования. Представлены результаты математического моделирования, а также результаты анализа.

Рассмотрено решение научно-технической задачи в области информационной безопасности - задачи обнаружения электромагнитных излучений, создаваемых вычислительной техникой, - в рамках структурно-лингвистического подхода к анализу экспериментальных данных. Подробно рассмотрена реализация этапа присвоения сегментированным участкам спектрограмм символов некоторого алфавита, соответствующих определенным типам поведения, а также реализация этапа анализа полученных последовательностей символов. Описаны модель построения морфологической грамматики и механизм генерации текстов, мало отличающихся от правильных. Этап формирования грамматики был реализован на языке программирования Python 3.7. Выбор данного языка программирования обосновывается его кроссплатформенностью, низким порогом вхождения, а также широким спектром применения: от автоматизации математических вычислений и машинного обучения до разработки веб-приложений. Также одним из преимуществ этого языка является наличие множества качественных библиотек, в том числе используемых для текущей разработки. Для оценки эффективности и точности разработанных алгоритмов проведен статистический эксперимент. Приведены оценка вероятности верной классификации лингвистических цепочек экспериментальных кривых спектрограмм в нужные группы и общая оценка точности верного определения всех кривых в нужные группы. В результате применения структурно-лингвистического подхода к задаче обнаружения электромагнитных излучений, создаваемых вычислительной техникой, можно заключить, что полученные лингвистические описания исследуемых спектрограмм представляют собой короткие и надежные правила для их анализа и позволяют с высокой точностью в автоматизированном режиме определять отклонения в наблюдаемых спектрах от заданных эталонов.

В статье представлены алгоритмы реконструкции, расчета параметров камней и визуализации трехмерных объектов почек и камней по данным, полученным после детектирования нейросетью 2D-объектов на медицинских изображениях, полученных в результате компьютерной томографии внутренних органов человека. Алгоритмы позволяют выполнить восстановление (сборку) объектов почек и камней, расчет физических параметров камней, выполнить плоскую и трёхмерную визуализацию камней. Программная реализация алгоритмов позволяет получить размеры найденных конкрементов в почках, визуализировать распределение плотности внутри камня, визуализировать расположение найденных камней в почке, что упрощает поддержку принятия врачебных решений при постановке диагноза и последующего планирования оперативного вмешательства при проведении процедуры дробления камней с применением лазерной установки. Предложенные алгоритмы и модели были реализованы в прототипе системы поддержки принятия врачебных решений в хирургии и урологии с использованием технологий компьютерного зрения в составе программных модулей. Использование разработанных алгоритмов послойной сборки камней и почек в прототипе системы поддержки принятия врачебных решений в хирургии и урологии с применением компьютерного зрения сокращает время на постановку диагноза и планирование операции по дроблению камней, а также помогает избежать ошибок в определении расположения камней внутри почки и, тем самым, уменьшить вероятность травмирования пациента.

В работе рассматривается задача автоматической разметки дорожной сцены для определения скорости объектов безрадарным методом на данных только с одной стационарной камеры. Помимо ограничения в количестве используемых камер - не более одной камеры для сцены, от решения требуется наличие возможности автоматического расчета разметки на микрокомпьютере. Для получения корректной разметки применяются расчет точек схода на основе анализа информации о подвижных участниках дорожной сцены и расчет матрицы преобразования для получения вида сверху на сцену. Под разметкой сцены понимается набор виртуальных линий на дорожном полотне, которые позволяют определять скорость транспортного средства при последовательном пересечении им этих линий. Совместное использование расчета точек схода и построения вида сверху дает возможность с минимальными вычислительными затратами получить требуемый результат с достаточной точностью, несмотря на проблемы из-за перспективы изображения. В работе показана применимость подхода для автоматической разметки дорожных сцен с целью определения скорости на устройствах различного типа, таких как платформы c архитектурой x86 и микрокомпьютеры Nvidia Jetson. Отличительной особенностью метода является полная автоматизация разметки, при которой все этапы реализуются автоматически без помощи оператора. К тому же метод не требует никаких предварительных расчетов, связанных с учетом характеристик камеры, на которую ведется съемка. Возможность развертывания предложенного решения на микрокомпьютерах позволяет масштабировать различные системы мониторинга и анализа дорожной инфраструктуры, а для добавления в систему новой локации достаточно установить единое устройство, объединяющее как устройство ввода (камеру), так и вычислитель (микрокомпьютер).

В работе предложен метод семантической сегментации облаков точек в виде рельефа местности с использованием мультимодальной архитектуры сверточной нейронной сети на основе регулярного динамического взвешенного графа, которая позволяет получать точное решение задачи семантической сегментации, используя комбинацию геометрических и цветовых признаков точек. Метод может быть эффективно использован для разреженных, зашумленных, неоднородных и невыпуклых облаков точек. В работе было проведено компьютерное моделирование известных методов для семантической сегментации 3D данных с использованием эталонной коллекции данных ModelNet 40 и набора данных археологических памятников бронзового века Южного Зауралья, а именно данных, полученных в результате тахеометрической съемки комплекса археологических памятников в долине реки Синташта с использованием тахеометра Trimble 3300. Был проведен сравнительный анализ предложенного метода и современных методов 3D семантической сегментации с разными комбинациями входных признаков облаков точек, также в работе исследовано влияние на точность семантической сегментации способа формирования облака точек: в первом случае исследовалось облако точек из эталонного набора данных во втором случае применены варианты с использованием 3D регистрации на основе алгоритма ICP (iterative closest point).

Проблема обучения глубоких нейронных сетей на малых выборках особенно актуальна для медицинских задач. В работе рассматривается влияние попиксельной разметки значимых объектов на изображении, в дополнении к истинной метке класса, на качество решения задачи классификации. Для достижения лучших результатов классификации на малых выборках предлагается мультизадачная архитектура Unet-boosted classifier (UBC), обучаемая одновременно для решения задач классификации и семантической сегментации. В качестве исследуемого набора данных используются МРТ-снимки пациентов c доброкачественной глиомой и глиобластомой, взятые из открытого набора данных BraTS 2019. В качестве входа рассматривается один горизонтальный срез МРТ-изображения, содержащий глиому (всего 380 кадров в обучающей выборке), в качестве выхода - вероятность глиобластомы. В качестве базового решения используется ResNet34, обученный без аугментаций с функцией потерь на основе взаимной энтропии (CrossEntropyLoss). В качестве альтернативного решения используется UBC-ResNet34 - тот же ResNet34 усиленный декодером, построенным по принципу U-Net, и предсказывающим положение глиомы. В качестве дополнительной функции потерь используется сглаженный коэффициент Соренсена-Дайса (DiceLoss). Результаты на тестовой выборке: доля правильных ответов (accuracy) для базовой модели составила 0.71, для альтернативной - 0.81, коэффициент Дайса (Dice score) при этом составил 0.77. Таким образом, глубокую модель можно качественно обучить даже на небольшом наборе данных, используя предложенную архитектуру и добавив в разметку информацию о пораженных тканях в виде семантической маски. Предлагаемый подход потенциально может быть полезен и в любых других задачах классификации изображений с ограниченным набором данных.