В данной статье рассматривается проблематика определения органов воздушного дыхания на снимках компьютерной томографии с помощью сверточных нейронных сетей архитектуры U-NET. Описаны перспективы использования нейронных сетей при анализе медицинских снимков, а также использование архитектуры U-NET для семантической сегментации изображений. Производится формирование структуры искусственной нейронной сети на базе архитектуры U-NET. Визуализируется строение слоев данной сети и описаны составные части данной структуры. Особое внимание уделяется описанию и реализации процесса свертки. Представлена формула определения весовых коэффициентов границы разделения. Предложены алгоритмы формирования модели искусственной нейронной сети и алгоритм построения слоев. Рассматривается способ увеличения данных для обучающей выборки изображений медицинских снимков. Представлено изображение результата определения органов грудной клетки и соответствующая маска.

Ключевые слова: сверточные нейронные сети, архитектура U-NET, глубокое обучение, распознавание изображений, machine learning

2.2.12 - Приборы, системы и изделия медицинского назначения , 2.3.1 - Системный анализ, управление и обработка информации

Рассмотрена проблема загрязнения атмосферного воздуха в регионах. Уделено внимание разработке и внедрению автоматизированных систем контроля загрязнения атмосферного воздуха. Разработанная информационно-аналитическая система имеет двухуровневую систему и состоит из двух подсистем: городской информационной системы и региональной информационной системы. Предлагаемое программное обеспечение позволяет выполнять расчеты приземных концентраций загрязняющих веществ с формированием банка данных, а также построением карт загрязнений региона и гистограмм распределения уровня неблагоприятного воздействия загрязнения атмосферы на человека.

Ключевые слова: атмосферный воздух, загрязнение, мониторинг, информационно-аналитическая система, карты загрязнения региона

2.1.10 - Экологическая безопасность строительства и городского хозяйства , 2.3.1 - Системный анализ, управление и обработка информации

Результаты клинических исследований являются основным источником информации при осуществлении врачебной деятельности в соответствии с принципами доказательной медицины. На данный момент информационные системы, которые позволяли бы врачу подбирать клинические исследования в рамках нозологии, наиболее соответствующие профилю конкретного пациента, с целью дальнейшего анализа их результатов и подбора терапии, отсутствуют. Коллективом авторов был предложен алгоритм поиска клинических исследований по критериям включения, что в свою очередь позволит значительно повысить эффективность и сократить время поиска и выбора терапии.

Ключевые слова: клинические исследования, алгоритмы критериального поиска, методы критериального поиска, включающие факторы, поиск ближайшего класса, сервисы

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.1 - Системный анализ, управление и обработка информации