Academic literature on the topic 'Нейроарт'

Актуальність. Поширеність головокружіння складає від 4 до 7 % дорослого населення. За даними Yardley L. (1998), із 20 тисяч опитаних людей працездатного віку до 30 % страждали на головокружіння понад 5 років, що значно погіршувало якість життя та підвищувало ризик падіння. До найпоширеніших причин периферичного головокружіння відносяться: доброякісне пароксизмальне позиційне головокружіння, хвороба Меньєра, вестибулярний нейроніт і порушення кровотоку у вертебробазилярному басейні (ВББ). За даними Яхно Н. Н. (2005), причинами порушення кровотоку ВББ є стеноз магістральних судин, вроджені особливості будови судинного русла, мікроангіопатії, синдром підключичного обкрадання, компресія хребтових артерій патанатомічно зміненими структурами в шийних сегментах, защемлення потиличного нерва, гостра травма шийного відділу хребта, артеріїти, антифосфоліпідний синдром, спазм підпотиличних м’язів тощо. Основними методами дослідження є: МРТ в судинному режимі, УЗД судин шиї та голови, реоенцефалографія (РЕГ), стабілометрія, електроністагмометрія тощо. Хоча залежність ризику падіння від постуральних функцій доведена, але зв’язок між показниками базилярного кровотоку та стабілометрії потребує вивчення.
 Мета: вивчити зв’язок між реографічними показниками кровотоку в ВББ та даними стабілометричного аналізу у пацієнтів з периферичним головокружінням та дегенеративними змінами шийного відділу хребта, оцінити кореляційний зв’язок між даними РЕГ та стабілометрії.
 Матеріали і методи: у дослідження було включено 16 пацієнтів з периферичним головокружінням віком 23–63 (42,07 ± 13,6) років. Реєстрацію РЕГ виконували в стандартних (фронтомастоїдальному та окципіто-мастоїдальному) відведеннях з різницею базового імпедансу до 10 Ом. Зміни кровотоку досліджувалися у стандартному положенні голови. Показники постуральної стійкості досліджувалися за допомогою стабілометрії у вертикальному положенні з відкритими очима. Статистичну обробку проводили за допомогою програми SPSS. Для оцінки кореляції використовували коефіцієнт кореляції Пірсона. Достовірність різниці рівня ознаки в групах розраховано за допомогою критерію Манна – Уїтні.
 Результати. Встановлено достовірну різницю показників відхилення центру мас у сагітальній площині у пацієнтів з головокружінням (U = 10,5; p = 0,01). Спостерігався прямий кореляційний зв’язок середньої сили між коефіцієнтом асиметрії кровотоку у ВББ та відхиленням центру мас у сагітальній площині (r = 0,56; p ≤ 0,05).
 Висновки. Отримані результати свідчать про прямий кореляційний зв’язок середньої сили між коефіцієнтом асиметрії кровотоку у ВББ та відхиленням центру мас в сагітальній площині у пацієнтів з периферичним головокружінням, що може свідчити про зв’язок порушень кровотоку в ВББ з периферичним головокружінням і потребує подальшого дослідження.
 Перспективи подальших досліджень. Дослідження є фрагментом дисертаційної роботи та науково-дослідної роботи кафедри. Триває обстеження пацієнтів і дослідження між показниками вертебробазилярного кровотоку та стабілометрії.

Введение. Цель данной статьи – проанализировать, как в сети Интернет представлены результаты работы нейросети по визуализации русских пословиц и поговорок. Проблемный вопрос заключается в том, насколько хорошо точное, математическое мышление искусственного интеллекта (ИИ) справляется с визуализацией такого сложного для восприятия запроса, как пословицы и поговорки. Проблема является актуальной на современном этапе развития, поскольку изучает частный случай творчества искусственного интеллекта, определяя успех и ошибки нейросети в генерации новых изображений по заданной теме. Методы. В основу статьи положены данные, полученные в ходе изучения 100 единиц нейроартов к русским пословицам и поговоркам, взятых из свободного доступа в сети Интернет. Материал проанализирован согласно следующим критериям: значение слова, логика, атмосфера, визуализация абстрактных явлений, наличие и характер дополнительных / лишних элементов, чем данный арт интересен пользователю. Были выделены общие черты и закономерности среди изображений, сгенерированных нейросетью, и сделаны выводы. Основные идеи исследования, полученные результаты и их обсуждение. Нейросети испытывают трудности как с передачей общего смысла и морали пословиц и поговорок, так и с отдельными характеристиками, такими как передача отдельных элементов, атмосферы и др. Заключение. В целом можно сказать, что, с одной стороны, абстрактность русских пословиц и поговорок дает нейросети свободу творчества, которую порой она очень грамотно использует, с другой стороны, отсутствие конкретики мешает ей передать их истинный смысл. Представленный труд позволяет определить проблемы в разработке нейросетей на данном этапе, особенности их работы, а также разницу в восприятии народного творчества человеком и искусственным интеллектом. Introduction. The aim of this article is to analyze how the results of the neural network with visualization of Russian proverbs are presented on the Internet. The problematic question is how well the precise, mathematical thinking of artificial intelligence can cope with the visualization of such a difficult-to-understand query as proverbs. The problem is relevant at the present stage of development, since it studies a special case of AI creativity, determining the success and errors of the neural network in generating new images on a given topic. Methods. The article is based on the data obtained during the study of 100 units of neuroarts on Russian proverbs, taken from free access on the Internet. The material was analyzed according to the following criteria: “meaning of the word”, “logic”, “atmosphere”, “visualization of abstract phenomena”, “presence and nature of additional/ superfluous elements” and “whai this art is interesting to the user”. Common features and patterns were identified among the images generated by the neural network and conclusions were drawn. Results. Neural networks have difficulties both with the transmission of the general meaning and moral of proverbs, and with individual characteristics, such as the transmission of individual elements, atmosphere, etc. Conclusion. In general, we can say that on the one hand, the abstraction of Russian proverbs gives the neural network creative freedom, which it sometimes uses very competently, on the other hand, the lack of specifics prevents it from conveying their true meaning.

Респираторная патология – основное проявление инфекции COVID-19, однако имеются сообщения об острой потере слуха, головокружении. Патогенез нарушений слуха, головокружения, вызванных вирусом SARS-CoV-2, варьируется от прямого повреждения структур внутреннего уха до иммунноопосредованного повреждения. Отоневрологические нарушения, связанные с инфекцией SARS-CoV-2, могут быть обусловлены и побочными эффектами ототоксичности, связанными с использованием лекарственных средств, включенных ранее в протоколы лечения SARS-CoV-2. Вестибулярный нейронит является одним из проявлений вестибулярной дисфункции при инфекции COVID-19. Клиническим проявлением ототоксичности лекарственных средств, применяемых для лечения инфекции COVID-19, является двухсторонняя вестибулопатия. Доброкачественное пароксизмальное позиционное головокружение также наблюдается у пациентов с COVID-19 и обусловлено длительным постельным режимом. Важно исключить острое нарушение мозгового кровообращения (ОНМК), затрагивающее мозжечок и (или) ствол головного мозга. При вестибулярном нейроните, доброкачественном пароксизмальном позиционном головокружении не встречаются дизартрия, дисфагия, слабость в конечностях, потеря чувствительности или асимметрия лица, которые развиваются при ОНМК. Ранняя диагностика COVID-19 при клинических проявлениях вестибулярной дисфункции (ВД) важна для своевременной изоляции пациента, минимизации взаимодействия пациента и окружающих и проведения пациенту дальнейших ненужных исследований. В структуре многих клинических проявлений постковидного синдрома встречается ВД. Реабилитация вестибулярных нарушений после коронавирусной инфекции может длиться от нескольких месяцев до года, зависит от индивидуальных особенностей пациента, вида выявленной ВД. Своевременное выявление причин ВД у пациентов, перенесших инфекцию COVID-19, лечение установленного заболевания – залог профилактики развития постоянного постурально-перцептивного головокружения и своевременного его лечения. Respiratory pathology is the main manifestation of COVID-19 infection, but there is datas of acute hearing loss and vertigo. The pathogenesis of hearing disorders and vertigo caused by the SARS-CoV-2 virus varies from direct damage to the structures of the inner ear to immune-mediated damage. Otoneurological disorders associated with SARS-CoV-2 infection may also be caused by side effects of ototoxicity associated with the use of drugs previously included in the SARS-CoV-2 treatment protocols. Vestibular neuritis is one of the manifestations of vestibular dysfunction in COVID-19 infection. The clinical manifestation of ototoxicity of pharma drugs used to treat COVID-19 infection is bilateral vestibulopathy. Benign paroxysmal positional vertigo is also observed in patients with COVID-19 and is caused by prolonged bed rest. It is important to exclude acute cerebrovascular accident (ACA) affecting the cerebellum and (or) the brain stem. With vestibular neuritis, benign paroxysmal positional vertigo, dysarthria, dysphagia, weakness in the extremities, loss of sensitivity or facial asymmetry that develop with ACA do not occur. Early diagnosis of COVID-19 in clinical manifestations of vestibular dysfunction (VD) is important for timely isolation of the patient, minimizing interaction between the patient and others and conducting further unnecessary studies for the patient. In the structure of many clinical manifestations of the poskovid syndrome, VD occurs. Rehabilitation of VD after coronavirus infection can last from several months to a year, depending on the individual characteristics of the patient, the type of VD detected. Timely identification of the causes of VD in patients who have had COVID-19 infection, treatment of the established disease is the key to preventing the development of permanent postural-perceptual dizziness and its timely treatment.

Проблема диагностики заболеваний стоит достаточно остро, особенно в удаленных от областных и районных центров населённых пунктах, где часто наблюдается недостаток специалистов и диагностические информационные системы во многом способны решить данную проблему. В настоящее время реализуется разработка информационной системы для ветеринарии, одним из модулей которой будет интеллектуальный модуль для распознавания рентген снимков. Цель статьи заключается в создании и обучении искусственной сверточной нейронной сети для распознавания рентген-снимков на основе общедоступного датасета со снимками пневмонии. Было разработано по 3 модели нейросети, две из которых - предобученные нейросет MobileNetv2 и ResNet50v2 фреймворка Tensorflow, а третья нейросеть обладает собственной архитектурой, состоящей из 9 слоев, подобранной в рамках исследования. Нейросети предназначены для решения двух задач бинарной классификации: болен или здоров пациент и определение природы пневмонии (вирусная или бактериальная). Также были рассмотрены два метода улучшения нейросетей (предобрабка изображений путем увеличения контраста и ансамблирование) и их влияние на эффективность. В конечном итоге в процессе тестирования и сравнения качества работы нейросетей при различных параметрах были выявлены наилучшие комбинации этих параметров и методов улучшения на основе результатов основных метрик оценки качества нейросетей. Таким образом было обнаружено, что модель с предобученной нейросетью MobileNetv2 даёт наилучший результат в обеих задачах бинарной классификации, по сравнению с остальными моделями. Также было выявлено, что предварительная обработка изображений методом увеличения контраста и ансамблирование дало улучшение результата только для нейросети с собственной архитектурой из 9 слоев. Для предобученных нейросетей MobileNetv2 и ResNet50v2 данные методы не дали никакого улучшения. В заключении был намечен дальнейший вектор по направлению увеличения эффективности работы созданных моделей. The problem of diagnostics in both public health and veterinary medicine is quite acute, especially in settlements remote from regional and district centers, where there is often a lack of specialists and diagnostic information systems are largely able to solve this problem, being a consulting tool for specialists working in villages and small towns. Currently, an expert system based on a web application for veterinary medicine is being developed, one of the modules of which will be an intelligent module for recognizing x-ray images. The purpose of the article is to create and train an artificial convolutional neural network for recognizing x-ray images based on a publicly available dataset with pneumonia images. The optimal neural network architecture consisting of 7 layers was created, and the dataset with images was preprocessed to obtain the best result. The model was trained on a set of 3897 x-rays, validated and tested on separate sets of 1299 and 607 x-rays, respectively. Ultimately, in the process of testing and comparing the quality of the neural network with various parameters, the best combinations of these parameters and improvement methods were identified based on the results of the main metrics for assessing the quality of neural networks. Thus, it was found that the model with pre-processing of images by the contrast enhancement method and an ensemble of 3 models gives the best result in the task of binary classification of sick and healthy patients according to their X-ray images. For the second task of binary classification of the nature of pneumonia (viral or bacterial), the best results were achieved using an ensemble model of 2 neural networks without pre-processing of X-ray images. In conclusion, a further vector was outlined in the direction of increasing the efficiency of the created model, in particular, options were proposed for using manual data preprocessing, augmenting them to reduce the risk of retraining the model, as well as connecting several neural networks into one model to solve the problem of multiclass classification.