<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <title>Repository Collection:</title>
  <link rel="alternate" href="http://repo.ssau.ru/jspui/handle/VKR/187" />
  <subtitle />
  <id>http://repo.ssau.ru/jspui/handle/VKR/187</id>
  <updated>2026-10-08T15:48:29Z</updated>
  <dc:date>2026-10-08T15:48:29Z</dc:date>
  <entry>
    <title>ViT-система диагностики рака кожи</title>
    <link rel="alternate" href="http://repo.ssau.ru/jspui/handle/123456789/63731" />
    <author>
      <name>Николаева С. С.</name>
    </author>
    <id>http://repo.ssau.ru/jspui/handle/123456789/63731</id>
    <updated>2026-10-08T12:27:50Z</updated>
    <published>2026-01-01T00:00:00Z</published>
    <summary type="text">Title: ViT-система диагностики рака кожи
Authors: Николаева С. С.
Abstract: Проведен сравнительный анализ эффективности современных архитектур глубокого обучения на датасете дерматоскопических изображений HAM10000. Разработана и обучена гибридная модель DenseNet121 + ViTSmall для трех задач классификации: бинарной (злокачественная/доброкачественная), бинарной (меланома/не меланома) и 4- классовой (меланома, невус, кератоз, базальноклеточный рак). Модель обучена на сбалансированной выборке из 4000 изображений (по 1000 на каждый класс). Достигнуты следующие метрики на отложенной тестовой выборке (800 изображений): точность 4-классовой классификации - 87,00% (лучший результат на валидации - 87,75%), точность детекции злокачественных новообразований - 89,25%, точность детекции меланомы - 89,12%. Чисто сверточная архитектура DenseNet121 без ViT-компонента показала точность 4-классовой классификации 80,88%, что подтверждает эффективность гибридного подхода (прирост 6,12 процентных пункта). Создан функциональный прототип веб-приложения на базе фреймворка FastAPI с использованием базы данных</summary>
    <dc:date>2026-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Программный модуль интеллектуального анализа спектральных признаков новообразований кожи</title>
    <link rel="alternate" href="http://repo.ssau.ru/jspui/handle/123456789/63730" />
    <author>
      <name>Сальникова Е. О.</name>
    </author>
    <id>http://repo.ssau.ru/jspui/handle/123456789/63730</id>
    <updated>2026-10-08T12:20:59Z</updated>
    <published>2026-01-01T00:00:00Z</published>
    <summary type="text">Title: Программный модуль интеллектуального анализа спектральных признаков новообразований кожи
Authors: Сальникова Е. О.
Abstract: Работа посвящена исследованию средств для создания признаковых пространств и классификации спектральных данных для диагностики кожных новообразований. Значительная часть работы уделена сравнительному анализу различных методов создания признаковых пространств и классификации ex vivo спектров рамановского рассеяния. В работе разработаны и исследованы алгоритмы на основе дисперсионного, дискриминантного и регрессионного анализа.</summary>
    <dc:date>2026-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Идентификация новообразований кожи на основе анализа гиперспектральных изображений</title>
    <link rel="alternate" href="http://repo.ssau.ru/jspui/handle/123456789/63729" />
    <author>
      <name>Боровков А. А.</name>
    </author>
    <id>http://repo.ssau.ru/jspui/handle/123456789/63729</id>
    <updated>2026-10-08T12:12:34Z</updated>
    <published>2026-01-01T00:00:00Z</published>
    <summary type="text">Title: Идентификация новообразований кожи на основе анализа гиперспектральных изображений
Authors: Боровков А. А.
Abstract: Разработан алгоритм предварительной обработки изображений для дальнейшей сегментации и классификации нейронной сетью. Разработана архитектура нейронной сети для сегментации и классификации новообразований кожи.</summary>
    <dc:date>2026-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Программный классификатор спектральных профилей кожи при неинфекционных заболеваниях</title>
    <link rel="alternate" href="http://repo.ssau.ru/jspui/handle/123456789/63728" />
    <author>
      <name>Сергеева А. М.</name>
    </author>
    <id>http://repo.ssau.ru/jspui/handle/123456789/63728</id>
    <updated>2026-10-08T12:09:34Z</updated>
    <published>2026-01-01T00:00:00Z</published>
    <summary type="text">Title: Программный классификатор спектральных профилей кожи при неинфекционных заболеваниях
Authors: Сергеева А. М.
Abstract: Цель работы – разработка программного модуля мультиклассового классификатора для анализа спектров комбинационного рассеяния кожи с помощью алгоритмов машинного обучения. Работа посвящена исследованию средств для создания признаковых пространств и классификации спектральных данных для диагностики и дифференциации неинфекционных заболеваний. Значительная часть работы посвящена сравнительному анализу различных признаковых пространств, построенных на основе in vivo спектров комбинационного рассеяния кожи, а также разработке и оценке алгоритма машинного обучения для многоклассовой классификации. В работе разработан и исследован алгоритм на основе метода опорных векторов. Также был реализован программный модуль для классификации спектров комбинационного рассеяния кожи.</summary>
    <dc:date>2026-01-01T00:00:00Z</dc:date>
  </entry>
</feed>

