Кладов Д. Е.
Прогнозирование потребления электроэнергии и кластеризация паттернов потребления электроэнергии умного дома на основе ансамблевых методов машинного обучения.
Архив семинара
Михайлапов Д. И.
Коррекция маски на трехмерных томографических изображениях головного мозга для слабо контролируемой сегментации острого ишемического инсульта.
Аннотация
В работе представлен метод слабо контролируемой сегментации трехмерных изображений головного мозга, полученных с использованием компьютерной томографии для диагностики острого ишемического инсульта. Метод основан на применении карты расстояний и карты весов для улучшения качества сегментации пораженных областей, что позволяет обозначить значимость центральных областей и корректировать важность спорных пограничных участков.
Так же используется метод сглаживания масок сегментации для сокращения малых областей, что способствует минимизации дефектов разметки и улучшению качества анализа. Использование карт расстояний в функции потерь при слабо контролируемом обучении модели позволяет обозначить значимость центральных областей и корректировать важность спорных пограничных участков.
В исследовании используются два типа данных: основной набор, состоящий из разметки, выполненной одним рентгенологом, и вспомогательный набор меньшего объема с несколькими вариантами разметки от различных специалистов. Анализ вспомогательного набора позволяет выявить ключевые характеристики несоответствий в разметке, возникающие вследствие сложности исследуемых изображений.
Для сегментации основного набора данных применяется модель U-Net в трехмерном формате. Используются функции потерь DICE и Focal для обучения модели, а для оценки качества прогноза применяется DICE-коэффициент. Экспериментальные результаты подтверждают эффективность предложенного метода.
Кладов Данил Евгеньевич
Прогнозирование временных рядов с использованием кластерного анализа.
Аннотация
На основе кластеризации данных непрерывного мониторинга глюкозы и методов машинного обучения, разработан ансамблевый алгоритм прогнозирования ночных уровней глюкозы у пациентов с сахарным диабетом 1 типа. В докладе приводятся результаты исследования работы алгоритма на реальных данных.Кладов Д. Е. (НГУ) выступит с докладом:
Алгоритм прогнозирования временных рядов с использованием ансамблевого кластерного анализа.
Емельянов А. М. (НГУ) реферирует статью:
S. Mohonta, M. Motin, D. Kumar,
Electrocardiogram based arrhythmia
classification using wavelet transform with deep learning model, Sensing
and Bio-Sensing Research, Volume 37, 2022, 100502.
Михайлапов Д. И. (НГУ)
Дистилляция знаний для Antialiasing эффекта.
Аннотация
Дистилляция знаний — метод эффективного обучения глубоких нейронных сетей. В классической постановке "модель-ученик" сеть настраивается копировать ответы обученной модели-учителя. В нашей работе используется метод само-дистилляции, когда модели не требуется учитель. Сеть обучается выдавать одинаковый ответ на аугментированных вариантах одних и тех же изображений, что улучшает устойчивость к шумам (antialiasing).Козинец Р. М. (НГУ)
Интерпретируемое распознавание изображений с помощью комбинации глубоких нейронных сетей и деревьев решений.
Информация о семинаре
Руководитель:
д.т.н. В. Б. Бериков
Время и место проведения:
Вторник, 10.50 ч., к. 115, ИМ
