СибНСХБ

Вид поиска

Область поиска

Найдено в других БД

Формат представления найденных документов:
библиографическое описание	краткий	полный

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>S=НЕЙРОСЕТЕВОЙ МЕТОД<.>)

Общее количество найденных документов : 8
Показаны документы с 1 по 8

РЖ ВИНИТИ 34 (BI38) 03.06-04А3.949

Braunheim, Benjamin B.
Neural network methods for identification and optimization of quantum mechanical features needed for bioactivity [Text] / Benjamin B. Braunheim, Steven D. Schwartz // J. Theor. Biol. - 2000. - Vol. 206, N 1. - P27-45 . - ISSN 0022-5193
Перевод заглавия: Нейросетевые методы идентификации и оптимизации квантово-механических признаков, необходимых для [описания] биоактивности
Аннотация: Предложен новый подход к обнаружению и проектированию биоактивных веществ, предназначенных для анализа ферментных ингибиторов. На 1-м этапе синтеза веществ производится рандомизированный поиск в большой библиотеке химических продуктов. Отобранный сравнительно небольшой набор веществ с подходящими свойствами передается исследователю. Для прогнозирования биоактивных свойств новых синтезируемых веществ разработана нейронная сеть, обучаемая на типичных образцах. Описана эффективная процедура ее обучения. США, The Dep. of Physiol. and Biophysics, Albert Einstein Col. of Medicine, Bronx, NY 10461. Ил. 11. Библ. 20

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.15.09.99 + 341.53.19.09
Рубрики: БИОАКТИВНЫЕ ВЕЩЕСТВА
ПРОГНОЗИРОВАНИЕ СВОЙСТВ
НЕЙРОСЕТЕВОЙ МЕТОД
КВАНТОВО-МЕХАНИЧЕСКИЕ ПРИЗНАКИ
ИДЕНТИФИКАЦИЯ
ОПТИМИЗАЦИЯ
НЕЙРОННЫЕ СЕТИ
ОБУЧЕНИЕ СЕТИ

Доп.точки доступа:
Schwartz, Steven D.

РЖ ВИНИТИ 76 (BI30) 04.10-04Н2.133

Дейнека, Э. А.
Применение нейронных сетей в статистическом исследовании морфологии ядер иммунокомпетентных клеток [Текст] / Э. А. Дейнека, Е. А. Лукьянова, В. Д. Проценко // 8 Международная конференция "Математика. Компьютер. Образование", Пущино, 31 янв.-5 февр., 2001. - М., 2001. - Вып. 8. - С. 280 . - ISBN 5-89826-077-3
Аннотация: Изменение морфологии ядра, как наиболее стабильной и важной клеточной структуры, отражает динамику процессов, протекающих в живой материи. Особый интерес в этой связи представляет изучение ядер иммунокомпетентных клеток, принимающих участие во многих патологических процессах. Клетки лейкоцитарного ряда могут служить ценным источником информации о характере патологии, ставшей причиной трансформаций их ядер. Для извлечения такой информации требуется установить соответствие между особенностями изменений морфологии ядер и клиническим проявлением заболевания. Для решения данной проблемы предложен новый нейро-статистический подход к обработке результатов анализа изображений ядер лимфоцитов при лимфоме кожи до и после лечения. Суть подхода заключается в последовательном применении трех методов исследования: 1) анализа изображений; 2) нейросетевой обработки; 3) информационно-статистического моделирования. Использовались значения количественных параметров ядер лимфоцитов, полученных в ходе морфологического мониторинга больных злокачественной лимфомой кожи посредством анализа изображений мазков из очагов опухолевого роста. Построена нейро-статистическая модель для выявления значимых изменений морфологии ядер иммунокомпетентных клеток (лимфоцитов) на примере злокачественной лимфомы кожи. Россия, Рос. Ун-т дружбы народов, Мед. фак-т. 117119, e-mail: telemach@mail.ru, elena@med.pfu.edu.ru, vprotsenko@med.pfu.edu.ru. Библ. 3

ГРНТИ	76.29.49

ВИНИТИ 761.29.49.51.09.19.13
Рубрики: ОБРАБОТКА ДАННЫХ
ОБРАБОТКА ИЗОБРАЖЕНИЙ
НЕЙРОСЕТЕВОЙ МЕТОД
ИНФОРМАЦИОННО-СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
ИММУНОКОМПЕТЕНТНЫЕ КЛЕТКИ
МОРФОЛОГИЯ ЯДЕР
ЛИМФОМЫ
ЛИМФОМА КОЖИ

Доп.точки доступа:
Лукьянова, Е.А.; Проценко, В.Д.

РЖ ВИНИТИ 76 (BI30) 04.11-04Н2.310

Separation of malignant and benign masses using maximum-likelihood modeling and neural networks [Text] : докл. [Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt2] / Lisa Kinnard [et al.] // Proc. SPIE. - 2002. - Vol. 4684. - P733-741 . - ISSN 1605-7422
Перевод заглавия: Разделение злокачественных и доброкачественных масс с использованием моделирования по методу максимального правдоподобия и нейронных сетей
Аннотация: Для решения поставленной задачи классификации разработана оригинальная нейронная сеть с множественными циркулярными путями MCPCNN. Нейронная сеть способна учитывать при принятии решений информацию о массе, форме и текстуре. Обучение нейронной сети основано на алгоритмах свертки. Представлены результаты проведенного тестирования разработанной системы на 51 маммограмме. Размеры опухоли от 6 мм до 3 см. Показано, что точность разделения злокачественных и доброкачественных участков оказывается значительно выше, чем при использовании стандартных нейронных сетей. США, ISIS Center, Dep. of Radiology, Georgetown Univ. Med. Center, Washington, D. C. Ил. 5. Табл. 2. Библ. 16

ГРНТИ	76.29.49

ВИНИТИ 761.29.49.51.09.35.02
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
МАММОГРАММЫ
ЗЛОКАЧЕСТВЕННЫЕ ОБРАЗОВАНИЯ
ДОБРОКАЧЕСТВЕННЫЕ ОБРАЗОВАНИЯ
РАЗДЕЛЕНИЕ
МЕТОД МАКСИМАЛЬНОГО ПРАВДОПОДОБИЯ
НЕЙРОСЕТЕВОЙ МЕТОД

Доп.точки доступа:
Kinnard, Lisa; Lo, Shih-Chung B.; Wang, Paul; Freedman, Matthew; Chonikha, Mohamed

РЖ ВИНИТИ 34 (BI38) 04.11-04А3.739

Дейнека, Э. А.
Применение нейронных сетей в статистическом исследовании морфологии ядер иммунокомпетентных клеток [Текст] / Э. А. Дейнека, Е. А. Лукьянова, В. Д. Проценко // 8 Международная конференция "Математика. Компьютер. Образование", Пущино, 31 янв.-5 февр., 2001. - М., 2001. - Вып. 8. - С. 280 . - ISBN 5-89826-077-3
Аннотация: Изменение морфологии ядра, как наиболее стабильной и важной клеточной структуры, отражает динамику процессов, протекающих в живой материи. Особый интерес в этой связи представляет изучение ядер иммунокомпетентных клеток, принимающих участие во многих патологических процессах. Клетки лейкоцитарного ряда могут служить ценным источником информации о характере патологии, ставшей причиной трансформаций их ядер. Для извлечения такой информации требуется установить соответствие между особенностями изменений морфологии ядер и клиническим проявлением заболевания. Для решения данной проблемы предложен новый нейро-статистический подход к обработке результатов анализа изображений ядер лимфоцитов при лимфоме кожи до и после лечения. Суть подхода заключается в последовательном применении трех методов исследования: 1) анализа изображений; 2) нейросетевой обработки; 3) информационно-статистического моделирования. Использовались значения количественных параметров ядер лимфоцитов, полученных в ходе морфологического мониторинга больных злокачественной лимфомой кожи посредством анализа изображений мазков из очагов опухолевого роста. Построена нейро-статистическая модель для выявления значимых изменений морфологии ядер иммунокомпетентных клеток (лимфоцитов) на примере злокачественной лимфомы кожи. Россия, Рос. Ун-т дружбы народов, Мед. фак-т. 117119, e-mail: telemach@mail.ru, elena@med.pfu.edu.ru, vprotsenko@med.pfu.edu.ru. Библ. 3

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.15.09.13
Рубрики: ОБРАБОТКА ДАННЫХ
ОБРАБОТКА ИЗОБРАЖЕНИЙ
НЕЙРОСЕТЕВОЙ МЕТОД
ИНФОРМАЦИОННО-СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
ИММУНОКОМПЕТЕНТНЫЕ КЛЕТКИ
МОРФОЛОГИЯ ЯДЕР
ЛИМФОМЫ
ЛИМФОМА КОЖИ

Доп.точки доступа:
Лукьянова, Е.А.; Проценко, В.Д.

РЖ ВИНИТИ 34 (BI38) 04.12-04А3.843

Separation of malignant and benign masses using maximum-likelihood modeling and neural networks [Text] : докл. [Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt2] / Lisa Kinnard [et al.] // Proc. SPIE. - 2002. - Vol. 4684. - P733-741 . - ISSN 1605-7422
Перевод заглавия: Разделение злокачественных и доброкачественных масс с использованием моделирования по методу максимального правдоподобия и нейронных сетей
Аннотация: Для решения поставленной задачи классификации разработана оригинальная нейронная сеть с множественными циркулярными путями MCPCNN. Нейронная сеть способна учитывать при принятии решений информацию о массе, форме и текстуре. Обучение нейронной сети основано на алгоритмах свертки. Представлены результаты проведенного тестирования разработанной системы на 51 маммограмме. Размеры опухоли от 6 мм до 3 см. Показано, что точность разделения злокачественных и доброкачественных участков оказывается значительно выше, чем при использовании стандартных нейронных сетей. США, ISIS Center, Dep. of Radiology, Georgetown Univ. Med. Center, Washington, D. C. Ил. 5. Табл. 2. Библ. 16

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.15.09.13 + 761.03.59.09.15
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
МАММОГРАММЫ
ЗЛОКАЧЕСТВЕННЫЕ ОБРАЗОВАНИЯ
ДОБРОКАЧЕСТВЕННЫЕ ОБРАЗОВАНИЯ
РАЗДЕЛЕНИЕ
МЕТОД МАКСИМАЛЬНОГО ПРАВДОПОДОБИЯ
НЕЙРОСЕТЕВОЙ МЕТОД

Доп.точки доступа:
Kinnard, Lisa; Lo, Shih-Chung B.; Wang, Paul; Freedman, Matthew; Chonikha, Mohamed

РЖ ВИНИТИ 34 (BI36) 05.01-04А4.124

Separation of malignant and benign masses using maximum-likelihood modeling and neural networks [Text] : докл. [Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt2] / Lisa Kinnard [et al.] // Proc. SPIE. - 2002. - Vol. 4684. - P733-741 . - ISSN 1605-7422
Перевод заглавия: Разделение злокачественных и доброкачественных масс с использованием моделирования по методу максимального правдоподобия и нейронных сетей
Аннотация: Для решения поставленной задачи классификации разработана оригинальная нейронная сеть с множественными циркулярными путями MCPCNN. Нейронная сеть способна учитывать при принятии решений информацию о массе, форме и текстуре. Обучение нейронной сети основано на алгоритмах свертки. Представлены результаты проведенного тестирования разработанной системы на 51 маммограмме. Размеры опухоли от 6 мм до 3 см. Показано, что точность разделения злокачественных и доброкачественных участков оказывается значительно выше, чем при использовании стандартных нейронных сетей. США, ISIS Center, Dep. of Radiology, Georgetown Univ. Med. Center, Washington, D. C. Ил. 5. Табл. 2. Библ. 16

ГРНТИ	34.49.33

ВИНИТИ 341.49.33.13.05.13
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
МАММОГРАММЫ
ЗЛОКАЧЕСТВЕННЫЕ ОБРАЗОВАНИЯ
ДОБРОКАЧЕСТВЕННЫЕ ОБРАЗОВАНИЯ
РАЗДЕЛЕНИЕ
МЕТОД МАКСИМАЛЬНОГО ПРАВДОПОДОБИЯ
НЕЙРОСЕТЕВОЙ МЕТОД

Доп.точки доступа:
Kinnard, Lisa; Lo, Shih-Chung B.; Wang, Paul; Freedman, Matthew; Chonikha, Mohamed

РЖ ВИНИТИ 34 (BI38) 16.07-04А3.322

Нейро-ЭВМ в изучении параметров вариабельности сердечного ритма женского коренного и некоренного населения Югры [Текст] / О. Е. Филатова [и др.] // Вестн. нов. мед. технол. - 2015. - Т. 22, N 4. - С. 13-21 . - ISSN 1609-2163
Аннотация: Представлен сравнительный анализ параметров сердечно-сосудистой системы женского населения Югры с позиций стохастического и хаотического подходов. Установлено, что хаотическая динамика параметров вариабельности сердечного ритма по ряду сравнений групп женщин коренного и некоренного населения демонстрирует принадлежность к одной генеральной совокупности, т.е. наблюдается неопределенность первого порядка. Использование нейросетевых технологий позволило не только выявить различия между группами, но и идентифицировать значимые параметры порядка вариабельности сердечного ритма.

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.15.09.11
Рубрики: СЕРДЦЕ
РИТМ
ВАРИАБЕЛЬНОСТЬ
ОЦЕНКА
НЕЙРОСЕТЕВОЙ МЕТОД

Доп.точки доступа:
Филатова, О.Е.; Соколова, А.А.; Мороз, О.А.; Однолеткова, С.В.

РЖ ВИНИТИ 76 (BI38) 16.11-04А3.49

Соломаха, А. А.
АНАЛИЗ ПРИМЕНЕНИЯ НЕЙРОСЕТЕВОГО МЕТОДА ДЛЯ МЕДИЦИНСКИХ ПРИЛОЖЕНИЙ [Текст] / А. А. Соломаха // Систем. анал. и упр. в биомед. системах. - 2015. - Т. 14, N 4. - С. 805-814 . - ISSN 1682-6523
Аннотация: Принципы нейросетевой технологии хорошо воспринимаются клиническим мышлением врача. Необходимо учесть и тенденцию удешевления вычислительной техники на мировом рынке. Успехи нейроматематики, нейроуправления, индустрии производства нейрокомпьютеров значительно способствуют развитию нейросетевого метода. Поэтому развитие информационных технологий и вычислительных систем для практического здравоохранения является одним из приоритетных направлений Российской науки.

ГРНТИ	76.03.59	, 34.05.25

ВИНИТИ 761.03.59.09.02 + 341.05.25.15.29
Рубрики: ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
МЕДИЦИНСКАЯ КИБЕРНЕТИКА
НЕЙРОСЕТЕВОЙ МЕТОД

"Электронные каталоги и базы данных библиотек СО РАН"

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)

rtvarBDview(" результаты поиска","20190607010228","4682442");

Вид поиска