ИМ СО РАН 
Вход для сотрудников

Семинар лаборатории ИИ-технологий математического моделирования биологических, социально-экономических и экологических процессов и Научного совета ОМН РАН

Архив семинара

Нестерова Ангелина Витальевна
Сравнительный анализ подходов к решению обратной задачи реконструкции изображений в эмиссионной медицинской томографии.

Аннотация

Количественные оценки накопления радиофармпрепарата в патологических очагах при обследовании методом однофотонной эмиссионной компьютерной томографии (ОФЭКТ) имеют ключевое значение для определения стадии заболевания и планирования радионуклидной терапии. В данной работе выполнено сравнение двух алгоритмов реконструкции изображений: стандартного итерационного алгоритма Ordered Subset Expectation Maximization (OSEM), которым оснащено большинство ОФЭКТ-установок, и регуляризированного алгоритма реконструкции на основе байесовского подхода Maximum A Posteriori (MAP) с априорной информацией в виде функционала энтропии (MAP-Ent). Исследования проводились методом имитационного компьютерного моделирования in silico с использованием цифрового двойника вещественного фантома NEMA IEC. Оценка точности проводилась по коэффициенту восстановления, равный отношению максимального значения полученного решения в очаге к его точной величине. Результаты показали, что метод MAP-Ent:

  • обеспечивает более высокую количественную точность,
  • уменьшает влияние краевых артефактов по сравнению с OSEM,
  • позволяет контролировать артефакты за счёт выбора параметра регуляризации.

Таким образом, регуляризированный алгоритм MAP-Ent демонстрирует преимущества перед стандартным OSEM и может быть полезен для повышения точности диагностики и планирования терапии.

  1. Чубатов А. А. (Научно-технологический университет "Сириус" (Сочи))
    FnLPDEs_FBSNNs — расширение возможностей фреймворка FBSNN (Forward-Backward SDEs and Neural Networks) (М. Raissi) для решения полностью нелинейных УРЧП.
     
  2. Стрижак С. В. (ИСП РАН), Кошелев К. Б. (ИВЭП СО РАН)
    Физически-информированная нейронная сеть для изучения гидрологических процессов рек.
     
  3. Мальцев И. С. (ИСП РАН, МАИ), Стрижак С. В. (ИСП РАН, МАИ)
    Физически-информированная нейронная сеть для решения уравнения Ричардса и изучения почвенных процессов.

Зятьков Николай Юрьевич
Прогнозирование распространения социально-значимых заболеваний, основанных на методах глубокого обучения в случае недостаточных данных.

АннотацияХотя в России туберкулез без ВИЧ-инфекции идет на спад, РФ входит в группу стран с высокой заболеваемостью и смертностью от туберкулеза, сочетанного с ВИЧ-инфекцией. Ежегодные статистические данные о распространенности туберкулеза и ВИЧ (группы риска) в регионах Российской Федерации известны с 2009 года. В работе рассмотрены алгоритмы глубокого обучения для описания и вероятностного прогнозирования краткосрочной динамики (на 3 года) социально-значимого заболевания на примере туберкулеза в регионах Российской Федерации при недостаточном количестве и качестве статистической информации.

Звонарева Татьяна Александровна
Суперкомпьютерный анализ и регуляризация задач идентификации и управления социальными процессами.

АннотацияПроцессы распространения информации в онлайн социальных сетях могут быть описаны непрерывными математическими моделями, коэффициенты которых и начальные данные зачастую неизвестны или заданы с большой погрешностью, что может привести к неверному описанию реакции пользователей на конкретную информацию и неверному управлению этой реакцией. Поэтому важным этапом в решении данной проблемы является анализ и решение соответствующих обратных задач, состоящих в идентификации неизвестных параметров по дополнительной информации об исследуемых процессах. В докладе будут рассмотрены прямые и обратные задачи определения начального условия для диффузионно-логистической модели с нелинейной правой частью и модели среднего поля по дополнительной информации о процессе в фиксированные моменты времени. Обратная задача сводится к задаче минимизации целевого функционала и решается локальными градиентными методами, глобальными методами роя частиц и тензорной оптимизации, а также комбинациями методов с использованием регуляризации.

Сергей Владимирович Августинович
Почему живое плохо подходит для дифференциального и вероятностного моделирования.

АннотацияВ докладе на примере генных сетей будет обоснована необходимость использования понятия переключения из состояния в состояние при моделировании живых систем.

Михайлапов Денис Иванович
Полу-контролируемая классификация: Основные идеи.

АннотацияВ рамках выступления рассматриваются методы полу-контролируеммой классификации трёх основных типов данных: Картинки, временные ряды и табличные данные. Рассматриваются основные идеи лежащие в основе современных методов.

Петракова Виктория Сергеевна; Соавтор: Шайдуров Владимир Викторович
Новый метод коррекции параметров динамических эпидемиологических моделей.

АннотацияВ докладе будет представлен метод восстановления параметров динамической модели, если модель описывается системой обыкновенных дифференциальных уравнений с числом параметров в правой части, превышающим число искомых функций. Для определения параметров, во-первых, строится неопределенная система алгебраических уравнений с прямоугольной матрицей, которая получается в результате аппроксимации системы дифференциальных уравнений с учетом известных значений функций, заданных в два последовательных момента времени. Во-вторых, задействовано свойство плавного изменения параметров во времени для динамических моделей, описывающих реальность. Одновременная минимизация невязки для недоопределенной системы и суммы квадратов разностей параметров в два последовательных момента времени приводит к регуляризованной системе линейных алгебраических уравнений с положительно определенной матрицей и с единственным решением. Будет представлено сравнение работы метода сравнивается с другим методом решения обратной задачи восстановления параметров в рамках эпидемиологической модели SEIR-HCD.

Список семинаров

Информация о семинаре

Информация о семинаре

Руководители:
д.ф.-м.н. Криворотько О. И., чл.-корр. РАН Кабанихин С. И.

Время и место проведения:
Четверг, 16.00 ч., Zoom

Ссылка на страницу семинара

***

Семинары ИМ СО РАН