Видання зареєстровані авторами шляхом самоархівування
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/1
Browse
4 results
Search Results
Item An Information-Extreme Algorithm for Universal Nuclear Feature-Driven Automated Classification of Breast Cancer Cells(Multidisciplinary Digital Publishing Institute, 2025) Савченко, Тарас Русланович; Savchenko, Taras Ruslanovych; Лахтарина, Руслана Юріївна; Lakhtaryna, Ruslana Yuriivna; Денисенко, Анастасія Петрівна; Denysenko, Anastasiia Petrivna; Довбиш, Анатолій Степанович; Dovbysh, Anatolii Stepanovych; Coupland, Sarah E.; Москаленко, Роман Андрійович; Moskalenko, Roman AndriiovychДіагностика раку молочної залози значною мірою спирається на гістопатологічну оцінку, яка схильна до суб'єктивності та неефективності, особливо при використанні зображень цілих зрізів (WSI). Це дослідження спрямоване на усунення цих обмежень шляхом розробки автоматизованого алгоритму класифікації клітин раку молочної залози, використовуючи інформаційно-екстремальний підхід машинного навчання та універсальні цитологічні ознаки. Метою є досягнення об'єктивної та узагальненої гістопатологічної діагностики. Методи: Оцифровані гістологічні зображення оброблялися для ідентифікації гіперхроматичних клітин. З окремих клітин було виділено 21 цитологічну ознаку (10 геометричних та 11 текстурних), обраних за їхній потенційний універсальний характер для різних видів раку. Ці ознаки потім використовувалися для класифікації клітин як нормальних або злоякісних за допомогою інформаційно-екстремального алгоритму. Цей алгоритм оптимізує інформаційний критерій у бінарному просторі Геммінга для досягнення надійного розпізнавання з мінімальною кількістю вхідних ознак. Архітектурна інновація полягає в застосуванні цього інформаційно-екстремального підходу до аналізу цитологічних ознак для класифікації ракових клітин. Результати: Функціональна ефективність алгоритму була оцінена на наборі даних зі 176 маркованих зображень клітин, що дало багатообіцяючі результати: точність 89%, прецизійність 85%, повнота 84% та F1-показник 88%. Ці метрики демонструють збалансовану та ефективну модель для автоматизованої класифікації клітин раку молочної залози. Висновки: Запропонований інформаційно-екстремальний алгоритм, що використовує універсальні цитологічні ознаки, пропонує потенційно об'єктивну та обчислювально ефективну альтернативу традиційним методам і може зменшити деякі обмеження глибокого навчання в гістопатологічному аналізі. Майбутня робота буде зосереджена на валідації алгоритму на більших наборах даних та дослідженні його застосовності до інших типів раку.Item The innovative impact of generative artificial intelligence on digital business transformation(ВД «Гельветика», 2024) Завражний, Костянтин Юрійович; Zavrazhnyi, Kostiantyn Yuriiovych; Кулик, Анжеліка Костянтинівна; Kulyk, Anzhelika Kostiantynivna; Antunes de Abreu, O.Зростання конкуренції та динамічні зміни на ринку роблять впровадження інноваційних технологій не просто вибором, а й життєвою необхідністю для будь-якої компанії, що прагне до успішного розвитку. Генеративний штучний інтелект з його значним потенціалом для автоматизації, персоналізації та оптимізації бізнес-процесів стає одним із перспективних напрямків цифрової трансформації. Ця стаття присвячена дослідженню підходів та визначенню стратегій адаптації генеративного штучного інтелект до потреб цифрової трансформації бізнесу. Дослідження розглядає ключові аспекти розвитку штучного інтелекту, включаючи символічний штучний інтелект, машинне навчання, глибоке навчання та генеративний штучний інтелект, а також їх вплив на бізнес-процеси. Стаття визначає потенційні переваги та виклики, пов'язані з адаптацією генеративного штучного інтелекту до потреб сучасного бізнесу, зокрема у сферах маркетингу, продажів та аналізу даних. Застосування різних підходів та стратегій, таких як підказки, тонке налаштування та використання інтерактивних систем керівництва, може покращити ефективність та релевантність генеративного штучного інтелекту в бізнес-контексті, сприяючи досягненню оптимальних результатів у різних завданнях. Автори пропонують використання технології генеративного штучного інтелекту разом з Retrieval Augmented Generation з метою покращення якості та релевантності відповідей на запити користувачів та використання агентів або інструментів оркестровки для надання інструкцій моделям. Для успішного впровадження генеративного штучного інтелекту важливо чітко визначити цілі, підібрати відповідні інструменти та технології, а також забезпечити підтримку з боку керівництва та персоналу. Впровадження генеративного штучного інтелекту сприятиме збільшенню ефективності за рахунок автоматизації рутинних завдань, підвищенню конкурентоспроможності за рахунок персоналізації та інновацій, зростанню рентабельності за рахунок оптимізації витрат, розширенню можливостей для досліджень та розробок.Item Discriminant face features extraction, analysis & its application in multipose face recognization: a survey(2017) Shekapure, S.S.; Kadam, N.V.As one of the excellent learning and classification performance, SVM and ISVM has become a research topic in the field of machine learning and has been applied in many areas, such as face detection and recognition, handwriting automatic identification and automatic text categorization. Face recognition is a challenging computer vision problem. Given a face database, goal of face recognition is to compare the input image class with all the classes and then declare a decision that identifies to whom the input image class belongs to or if it doesn’t belong to the database at all. In this survey, we study face recognition as a pattern classification problem.In this paper, we study the concept of SVM and sophisticated classification techniques for face recognition using the SVM and ISVM along with the advantages and disadvantages. This paper not only provides an up-to-date critical survey of machine learning techniques but also performance analysis of various SVM and ISVM techniques for face recognition are compared.Item Feature learning for information-extreme classifier(Sumy State University, 2017) Москаленко, В`ячеслав Васильович; Москаленко, Вячеслав Васильевич; Moskalenko, Viacheslav Vasylovych; Moskalenko, А.; Korobov, A.The feature learning algorithm for information-extreme classifier by clustering of Fast Retina Keypoint binary descriptor, calculated for local features, and usage of spatial pyramid kernel for increasing noise immunity and informativeness of feature representation are considered. Proposed a method of parameters optimization for feature extractor and decision rules based on multi-level coarse features coding using information criterion and population-based search algorithm.