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.

2015, Аверьянов, Г. П., Будкин, В. А., Дмитриева, В. В., Кунов, И. А., Будкин, Валерий Андреевич, Дмитриева, Валентина Викторовна, Аверьянов, Герман Петрович

В учебно-методическом пособии представлены две темы, входящие в состав обзорного курса «Информатика» («Информатика и программирование»). Первая тема посвящена изучению общих принципов и функциональных возможностей (с точки зрения пользователя) современных операционных систем (ОС) семейства Windows и UNIX-подобных ОС. Приведены два типа пользовательского интерфейса: «командная строка», на примере командных интерпретаторов (bash для ОС UNIX и cmd.exe для MS Windows), а также полноэкранный алфавитно-цифровой интерфейс, на примере наиболее популярных «файловых менеджеров» (Midnight Commander (mc) для ОС UNIX и FAR Manager для MS Windows). Вторая тема связана с изучением основ программирования на современных императивных алгоритмических языках. Рассмотрено программирование стандартных алгоритмов (с использованием условных операторов и циклов) и структур данных (включая скалярные данные, массивы и другие структуры данных). В качестве языка программирования представлен традиционный для инженерных и научных расчетов алгоритмический язык Фортран. Использовался компилятор Gfortran (free Fortran 95/2003/2008 compiler for GCC, the GNU Compiler Collection), реализующий стандарт [ISO/IEC 1539-1:1997(E)], с поддержкой объектноориентированного программирования (ООП). Даны примеры и задания в виде традиционных для курсов информатики алгоритмов, дополненных элементами ООП и вычислительной математики, необходимыми для эффективного программирования научных и инженерных задач. Пособие предназначено для студентов очной и очно-заочной (вечерней) формы обучения факультета «Автоматика и электроника» НИЯУ МИФИ, а также может быть полезно студентам физических и инженерно-технических специальностей вузов. Подготовлено в рамках Программы создания и развития НИЯУ МИФИ.

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.

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.

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.

2023, Соломатин, М. А., Сошнина, А. В., Поляков, Е. В., Багнова, П. Ю., Дмитриева, В. В., Петухова, А. И., Петухова, Александра Ильинична, Соломатин, Михаил Андреевич, Поляков, Евгений Валерьевич, Дмитриева, Валентина Викторовна

Программа предназначена для выполнения предобработки изображений для распознавания объектов. Применяется в любых системах, которые требуют предобработки изображений для повышения их качества. Позволяет улучшать качество изображений и исследовать влияние фильтров на изображение. Тип ЭВМ: IBM PC-совмест. ПК; ОС: Windows 10.

2024, Аверьянов, Г. П., Дмитриева, В. В., Дмитриева, Валентина Викторовна, Аверьянов, Герман Петрович

Рассмотрена 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.

2021, Tupitsyn, N. N., Paladina, A. D., Nikitaev, V. G., Pronichev, A. N., Dmitrieva, V. V., Polyakov, E. V., Liberis, K. A., Grigorieva, M. S., Никитаев, Валентин Григорьевич, Проничев, Александр Николаевич, Дмитриева, Валентина Викторовна, Поляков, Евгений Валерьевич, Григорьева, Мария Сергеевна

© 2021, Allerton Press, Inc.Abstract: An interdisciplinary (physics, biology, medicine, computer science) problem of recognizing bone marrow cells for the diagnosis of acute leukemia and minimal residual disease is considered. The use of neural networks for determining cell classes in a microscopic image of a bone marrow preparation is considered. Images are formed in transmitted light. The structure of the neural network and image sample for experimental studies are presented. The structure of the neural network is refined based on the experimental results. The accuracy characteristics of the developed system are determined.

2022, Никитаев, В. Г., Проничев, А. Н., Тупицын, Н. Н., Сельчук, В. Ю., Дмитриева, В. В., Палладина, А. Д., Козырева, А. В., Дружинина, Е. А., Майоров, М. С., Поляков, Е. В., Батуев, Б. Б., Соломатин, М. А., Будадин, О. Н., Поляков, Евгений Валерьевич, Соломатин, Михаил Андреевич, Никитаев, Валентин Григорьевич, Дмитриева, Валентина Викторовна, Проничев, Александр Николаевич, Сельчук, Владимир Юрьевич

Изобретение относится к области медицины и может быть использовано для распознавания структуры ядер бластов крови и костного мозга с применением световой микроскопии в сочетании с компьютерной обработкой данных. Согласно изобретению получают цветное изображение мазков крови и/или костного мозга, используя компьютерный анализатор, выделяют на изображении лейкоциты и получают их бинарное изображение, на бинарном изображении лейкоцитов последовательным сканированием проводят процедуру заполнения пустот, измеряют пространственно-яркостное распределение пикселей изображения и определяют значение текстурных признаков, характеризующих структуру ядра, для представлений цветовых моделей лейкоцитов, на основе текстурных признаков формируют матрицу числовых текстурных признаков структуры ядра, в столбцах которой указаны значения текстурных признаков, а в строках приведены изображения лейкоцитов, используемые для распознавания структуры ядер бластов. Определение значений текстурных признаков, характеризующих структуру ядра лейкоцитов, осуществляют для четырех направлений смежности, при этом текстурный признак «локальная однородность» для красного компонента цветного изображения определяют с использованием расстояний смежности в одиннадцать пикселей, текстурный признак «момент инерции» для красного компонента цветного изображения определяют путем расчета для расстояния смежности в два пикселя, текстурный признак «момент инерции» для синего компонента цветного изображения определяют с использованием расстояний смежности в семь пикселей, текстурный признак «энтропия» для синего компонента цветного изображения определяют с использованием расстояний смежности в шесть пикселей и текстурный признак «энергия» для синего компонента цветного изображения определяют с использованием расстояний смежности в шесть пикселей. Изобретение обеспечивает повышение достоверности постановки диагноза за счет использования признаков, позволяющих обеспечить высокую информативность. 5 з.п. ф-лы, 5 ил.

2024, Поляков, Е. В., Дмитриева, В. В., Дмитриева, Валентина Викторовна, Поляков, Евгений Валерьевич

Здравоохранение 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.