Научный архив: статьи

В настоящее время искусственный интеллект является одной из наиболее быстро развивающихся областей человеческого знания. Данная тематика имеет большое значение для науки и практики, в целом, и для медицины, в частности. Применение технологий искусственного интеллекта к сегментации зон головного мозга и выявлению аномальных участков особенно востребовано и перспективно в области нейрофизиологии, нейрохирургии, психиатрии, клинической психологии и других медицинских дисциплин. В данной работе проведено исследование существующих методов автоматизированной сегментации и анализа данных о структуре и функциональном состоянии головного мозга, а также метрик, применяемых для оценки эффективности данного подхода.

Цель: выявление нерешённых проблем и поиск тенденций в разработке методов сегментации и выявления аномальных участков головного мозга, а также определение наиболее эффективных методов и способов их улучшения.

Материалы и методы. Работа выполнена с использованием методологии Systematic Mapping Study (SMS). Данное исследование ограничивается предметной областью, связанной с сегментацией зон головного мозга и определением в нём аномальных участков.

Результаты. Основные результаты исследования представлены в виде классификационных таблиц и ментальной карты. Показано, что целью рассмотренных исследований является повышение точности при сегментировании зон головного мозга и нахождении аномальных участков. Такая метрика, как время обработки данных, применяется для оценки эффективности метода при малом количестве исследований, а в большинстве случаев вообще не рассматривается. При этом скорость обработки изображений в зависимости от применяемого метода измеряется минутами, что существенно ограничивает возможность использования данного подхода в экстренных ситуациях, в том числе при угрозе жизни человека.

Заключение. Для анализа данных о структуре и функциональном состоянии головного мозга в режиме реального времени требуется модификация уже разработанных методов энцефальной сегментации, а также разработка новых, более эффективных подходов. При этом скорость обработки данных должна быть соизмерима со временем вынесения срочного заключения о состоянии головного мозга человека.

Рассмотрены методы навигации БПЛА, основанные на данных дистанционного зондирования Земли: аэро- или космо- фотоснимках высокого разрешения, обработанных специальным образом. Для видеонавигации используются ортонормированные фотоснимки местности, для навигации по микрорельефу - фотоснимки, обработанные методом стереофотограмметрии. Методы видеонавигации основаны на выделении и сопоставлении характерных точек на текущем и опорном изображениях. В зависимости от наличия эталонных данных в виде фотоснимков видеонавигация подразделяется на одометрическую и по привязке изображений к местности. Одометрическая навигация не требует эталонных данных, что является её положительной чертой, однако в её принципы работы заложено нарастание ошибок определения навигационных параметров. Видеонавигация по привязке изображения обеспечивает более высокие точностные характеристики, но требует предварительной подготовки эталонных данных и использования бортовых вычислителей с большим объемом памяти. Разработанные методы видеонавигации проверены путем математического моделирования, результаты которого показали, что целесообразно комбинировать эти два метода. В этом случае ожидаемая точность навигации БПЛА с использованием предложенных методов сопоставима с точностью СНС. Реализация методов видеонавигации в бортовом вычислителе на базе одноплатного модуля NVIDIA Jetson TX2 показала их работоспособность в реальном масштабе времени. Методы навигации по микрорельефу основываются на поисковом оценивании координат БПЛА в пределах доверительного квадрата. Результаты математического моделирования навигации по микрорельефу показали, что метод работоспособен с высокой (3-8 м) точностью как при полете БПЛА над антропогенной местностью, так и при полете над естественным объектовым составом. Реализация навигации по микрорельефу в бортовом вычислителе, построенном на модуле Салют-ЭЛ24ПМ2 РАЯЖ.441461.031, показала её работоспособность в реальном масштабе времени. Предложенные методы видеонавигации и навигации по микрорельефу были успешно апробированы на стенде полунатурного моделирования. В ближайшее время предполагаются их летные испытания. Для практической реализации разработанных методов высокоточной навигации необходимо решить вопрос с обеспечением потребителя эталонными данными, полученными на основе оперативной обработки актуальных космо- или аэро- фотоснимков местности высокого разрешения.

Исследованы способы определения размера популяции в генетическом алгоритме и изучена зависимость между количеством особей и скоростью работы алгоритма. Описываются методы определения оптимального количества особей в популяции разными методами: в зависимости от размера хромосом, для древовидного типа хромосом, при наличии фактора зашумленности и по методу соседнего элемента с выставлением максимальной и минимальной границы. Данные, полученные по выполнении каждого метода, отличаются между собой, по причине этого произведена оценка с целью проверить точность теоретических данных, сравнив их с экспериментальными. Для проведения экспериментов была разработана программа на графической платформе «Unity» с возможностью изменения количества особей в популяции. После получения результатов было проведено сравнение экспериментальных данных с данными, полученными на основе методов определения размера популяции в генетическом алгоритме из первой части работы. Эксперимент показал, что оптимальный размер популяции лежит в диапазоне 100-160 особей. При уменьшении их количества время выполнения поставленной задачи начинает существенно увеличиваться, а при увеличении за расчетный предел - сокращение времени выполнения не соответствует затрачиваемым вычислительным ресурсам. Сами полученные экспериментальные данные имеют наименьшую погрешность с методом, используемым древовидное представление хромосом. Результаты исследования могут быть использованы для выбора размера популяции при обучении для достижения лучшего соотношения затрачиваемой вычислительной мощности к скорости обучения, а определенный в процессе работы метод может помочь в теоретических расчетах.