Персона: Дмитриева, Валентина Викторовна
Загружается...
Email Address
Birth Date
Научные группы
Организационные подразделения
Организационная единица
Институт ядерной физики и технологий
Цель ИЯФиТ и стратегия развития - создание и развитие научно-образовательного центра мирового уровня в области ядерной физики и технологий, радиационного материаловедения, физики элементарных частиц, астрофизики и космофизики.
Статус
Фамилия
Дмитриева
Имя
Валентина Викторовна
Имя
34 results
Результаты поиска
Теперь показываю 1 - 10 из 34
- ПубликацияОткрытый доступРазработка распределенной информационной научно-образовательной среды "Электрофизика"(НИЯУ МИФИ, 2012) Дмитриева, В. В.; Дмитриева, Валентина Викторовна; Диденко, А. Н.
- ПубликацияОткрытый доступModel of image sensor signal correction in the computer microscopy system(2019) Nikitaev, V. G.; Nagornov, O. V.; Pronichev, A. N.; Polyakov, E. V.; Dmitrieva, V. V.; Никитаев, Валентин Григорьевич; Нагорнов, Олег Викторович; Проничев, Александр Николаевич; Поляков, Евгений Валерьевич; Дмитриева, Валентина Викторовна© 2019 Published under licence by IOP Publishing Ltd.The article is devoted to the analysis of the possibilities of improving the accuracy of the analysis of low-contrast images in the computer microscopy systems. The image distortion factors are considered in the system of computer microscopy with a camera based on a light-sensitive electronic matrix. The level of distortion of the image sensor signal in the computer microscopy system was estimated on the results of the experiment. The model of correction of distortions of the image sensor signal is offered. The application of the proposed model will provide an increase in the accuracy of automated analysis of microscopic images of low-contrast objects in the computer microscopy systems.
- ПубликацияОткрытый доступРАЗРАБОТКА ВЫЧИСЛИТЕЛЬНОГО КЛАСТЕРА ДЛЯ ИССЛЕДОВАНИЯ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ В ОНКОГЕМАТОЛОГИИ(НИЯУ МИФИ, 2024) Поляков, Е. В.; Дмитриева, В. В.; Дмитриева, Валентина Викторовна; Поляков, Евгений ВалерьевичЗдравоохранение трансформируется масштабным образом благодаря достижениям в области глубокого обучения и искусственного интеллекта. В последние годы глубокое обучение продемонстрировало значительный рост точности анализа изображений для задач обнаружения злокачественных новообразований. Применение технологии глубокого обучения для диагностики онкологических и онкогематологических заболеваний на основе анализа медицинских изображений является современным направлением исследований в области искусственного интеллекта и компьютерного зрения.
- ПубликацияТолько метаданныеA Decision Support System for the Differential Diagnosis of Pyelonephritis in Pregnant Women Based on Immune and Oxidative Status(2020) Seregin, S. P.; Govorukhina, T. N.; Rodionova, S. N.; Kholimenko, I. M.; Dmitrieva, V. V.; Дмитриева, Валентина Викторовна© 2020, Springer Science+Business Media, LLC, part of Springer Nature.Application of modern mathematical methods and information technologies for accurate differential diagnosis of various forms of pyelonephritis in pregnant women is described. The differential diagnosis is based on indicators of the immune and oxidative status. The decision rules suggested in this work were verified on a control sample. The verification showed that the diagnostic efficiency of the proposed method reaches 93%, which is acceptable for use in medical practice.
- ПубликацияТолько метаданныеApplication of Machine Learning Algorithms and Neural Networks for Recognition of Parasitic Parameters by the Output Signal in High-Power Pulsed Electrophysics Devices(2023) Averyanov, G. P.; Dmitrieva, V. V.; Аверьянов, Герман Петрович; Дмитриева, Валентина Викторовна
- ПубликацияТолько метаданныеA Programmable System for Assessing the State of Health and Efficacy of Treatment of the Prostate Gland(2019) Korenevskiy, N. A.; Seregin, S. P.; Karyakin, O. B.; Biryukov, V. A.; Dmitrieva, V. V.; Дмитриева, Валентина Викторовна© 2019, Springer Science+Business Media, LLC, part of Springer Nature.The challenge of constructing a programmable system for assessing the state of health of the prostate gland is considered. The mathematical apparatus for constructing the decision-taking model was based on the methodology of synthesizing fuzzy hybrid decision rules. The apparatus part was made using analog interfaces connected to a microcontroller.
- ПубликацияТолько метаданныеArtificial Intelligence Technologies in the Diagnosis of Acute Lymphoblastic Leukemia and Minimal Residual Disease(2021) Tupitsyn, N. N.; Chernysheva, O. A.; Serebryakova, I. N.; Palladina, A. D.; Nikitaev, V. G.; Pronichev, A. N.; Polyakov, E. V.; Dmitrieva, V. V.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Поляков, Евгений Валерьевич; Дмитриева, Валентина Викторовна© 2021, Springer Science+Business Media, LLC, part of Springer Nature.The possibilities of using artificial intelligence technologies based on computer microscopy in the diagnosis of acute lymphoblastic leukemia and minimal residual disease have been investigated. The diagnosis “acute lymphoblastic leukemia” is made on the basis of a set of diagnostic studies. Among them, microscopy of bone marrow preparations (morphology) is mandatory. Laser flow cytofluorometry is also among the main techniques used to diagnose acute lymphoblastic leukemia. We propose a procedure for microscopy of bone marrow preparations based on the use of artificial intelligence technologies. The composition of the antibody panel for laser flow cyto-fluorometry is determined from the results of bone marrow preparation microscopy. The system for recognizing bone marrow cells in a microscopic image of a bone marrow preparation is based on the description of the texture features of cells and classification using the support vector method. A reference knowledge base required to analyze the capabilities of the bone marrow cell recognition system has been compiled. The knowledge base includes two sets of images of bone marrow cells. The first is used to establish the possibilities of classifying bone marrow cells in the diagnosis of acute lymphoblastic leukemia. The second is used for differential (clarifying) diagnosis of T- and B-cell acute lymphoblastic leukemias. The conducted experiments have confirmed the high efficiency of the computer microscopy method based on the use of artificial intelligence technologies. The proposed approach can be used as a means of supporting medical decision-making in the diagnosis of acute lymphoblastic leukemia and minimal residual disease.
- ПубликацияОткрытый доступПрименение алгоритмов машинного обучения и нейросетей для распознавания паразитных параметров по выходному сигналу в мощных импульсных устройствах электрофизики(2024) Аверьянов, Г. П.; Дмитриева, В. В.; Дмитриева, Валентина Викторовна; Аверьянов, Герман ПетровичРассмотрена проблема распознавания и классификации нагрузок на выходе формирующих и передающих линий с распределенными параметрами (ЛРП) в устройствах мощной импульсной техники (МИТ) по амплитуде и форме выходного сигнала с применением математических моделей на основе методов машинного обучения и нейросетей. Разработано веб-приложение, распознающее паразитные параметры, возникающие в устройствах на основе ЛРП.
- ПубликацияТолько метаданныеMathematical Models for the Differential Diagnosis of Various Forms of Pyelonephritis by Expert Systems in Urology(2020) Korenevskiy, N. А.; Siplivyi, G. V.; Rodionov, D. S.; Govorukhina, T. N.; Dmitrieva, V. V.; Дмитриева, Валентина Викторовна© 2020, Springer Science+Business Media, LLC, part of Springer Nature.Models for differential diagnosis of serous and purulent forms of pyelonephritis with identification of a transitional class of states were constructed. The diagnostic effectiveness of decisions was shown to exceed 0.9.
- ПубликацияОткрытый доступСПОСОБ ДИАГНОСТИКИ ОНКОЛОГИЧЕСКОГО ЗАБОЛЕВАНИЯ КРОВИ(НИЯУ МИФИ, 2023) Никитаев, В. Г.; Проничев, А. Н.; Нагорнов, О. В.; Тупицын, Н. Н.; Сельчук, В. Ю.; Дмитриева, В. В.; Палладина, А. Д.; Поляков, Е. В.; Поляков, Евгений Валерьевич; Проничев, Александр Николаевич; Никитаев, Валентин Григорьевич; Нагорнов, Олег Викторович; Дмитриева, Валентина ВикторовнаИзобретение относится к области медицины и может быть использовано для диагностики минимальной остаточной болезни (МОБ) или минимальной резидуальной болезни (МРБ, Minimal residual diseases) - популяции опухолевых клеток, оставшейся в организме после достижения клинико-гематологической ремиссии (количество бластных клеток в миелограмме менее 5%) и острого лейкоза. Предлагается способ диагностики онкологического заболевания крови, заключающийся в проведении микроскопического анализа мазков периферической крови для определения формулы крови; проведении микроскопического анализа мазков костного мозга для получения изображений клеток костного мозга, распознавание клеток костного мозга путем сравнения их с образцовыми изображениями клеток и построение миелограммы; выполнении анализа костного мозга с применением цитохимических маркерных реакций на гранулоцитарный и моноцитарный ряды гемопоэза и иммунофенотипического исследования с помощью проточной лазерной цитофлюорометрии, в котором используется набор диагностических антител для определения направленности дифференцировки клеток и установления стадии созревания бластов и сопоставления полученных результатов микроскопического анализа костного мозга, формулы крови и миелограммы с результатами ранее выполняемых исследований, хранящихся в базе данных, для диагностики заболевания. Изобретение обеспечивает повышение точности выявления и диагностики онкологического заболевания крови. 3 ил.