Кафедра системного аналізу та інформаційних технологій
http://ir.lib.vntu.edu.ua//handle/123456789/12783
2024-03-29T08:52:32ZАналіз методів передоброблення панорамних стоматологічних рентгенівських знімків для задач сегментації зображень
http://ir.lib.vntu.edu.ua//handle/123456789/38640
Аналіз методів передоброблення панорамних стоматологічних рентгенівських знімків для задач сегментації зображень
Коменчук, О. В.; Мокін, О. Б.; Komenchuk, O. V.; Mokin, O. B.
The paper presents a comprehensive analysis of the effectiveness of preprocessing filters for panoramic dental X-rays in
the dental fillings segmentation task. The study focuses on the analysis of the practical application of the most popular image preprocessing methods, including the Contrast Limited Adaptive Histogram Equalization (CLAHE) filter, Gaussian filter,
bilateral filter, and Multi-scale Retinex with Color Restoration (MSRCR) filter. These methods have been carefully tuned to
improve the image characteristics and significantly increase its quality. In addition, the paper presents an algorithm for training a segmentation model based on the U-Net architecture for the dental fillings segmentation task. A comprehensive evaluation of the segmentation accuracy was performed by comparing the model results with annotations using clearly defined
metrics. The paper shows a comparative analysis of the effectiveness of each image preprocessing filter in comparison with
the original raw images. For the effectiveness evaluation of the preprocessing filters for segmentation models, the following
metrics were used: Dice Score, Jaccard index, Precision, and Sensitivity/Recall. These metrics enable to conduct a comprehensive assessment of the effectiveness of segmentation models, considering the influence of the filters on various
aspects of accuracy. According to the analysis results, it was found that the best results were demonstrated by the model
that uses the bilateral preprocessing filter of panoramic images for the dental fillings segmentation task. The CLAHE filter
also performed well, showing the best sensitivity of the model. In general, the results of this work emphasize the importance
of the correct choice of image preprocessing methods for segmentation tasks on panoramic dental X-ray images. The results also confirm the advantage of using the bilateral and the CLAHE filters for the dental fillings segmentation task.; Представлено комплексний аналіз ефективності використання фільтрів попереднього оброблення для панорамних стоматологічних рентгенівських знімків в задачі сегментації зубних пломб. Дослідження основане на аналізі практичного застосування найпопулярніших методів попереднього оброблення зображень, включно з фільтром обмеженого адаптивного вирівнювання гістограми (CLAHE — Contrast Limited Adaptive Histogram Equalization), фільтром Гауса, білатеральним фільтром і багатомасштабним фільтром Retinex з відновленням кольору (MSRCR — Multi-scale Retinex with Color Restoration). Ці методи ретельно налаштовані для поліпшення характеристик зображення та значного підвищення його якості. До того ж, для проведення практичних експериментів, в роботі використано модель сегментації на основі архітектури U-Net для задачі сегментації стоматологічних пломб, яка вже довела свою ефективність у подібних завданнях. Проведено всебічне оцінювання точності сегментації за рахунок порівняння результатів моделі з анотаціями за допомогою чітко визначених метрик. Також виконано порівняльний аналіз ефективності кожного фільтра попереднього оброблення зображення відносно оригінальних необроблених зображень. Для всебічного оцінювання ефективності сегментаційних моделей із застосуванням фільтрів попереднього оброблення, використано такі метрики: коефіцієнт Дайса (Dice Score), коефіцієнт Жаккара (Jaccard index), влучність (precision) та
чутливість/повнота (recall). Це дозволило провести комплексне оцінювання ефективності сегментаційних моделей, враховуючи вплив фільтрів попереднього оброблення на різні аспекти точності. За результатами такого аналізу виявлено, що найкращі результати демонструє модель, яка використовує білатеральний фільтр попереднього оброблення панорамних знімків для задачі сегментації стоматологічних пломб. Фільтр CLAHE також показав високі результати, зокрема, продемонструвавши найкращу чутливість моделі. Загалом, результати цієї роботи підкреслюють важливість правильного вибору методів попереднього оброблення зображень для задач сегментації на панорамних стоматологічних рентгенівських знімках. Результати також підтверджують перевагу використання білатерального фільтра та фільтра CLAHE у контексті задачі сегментації зубних пломб.
2023-01-01T00:00:00ZПорівняльний аналіз моделей машинного навчання в задачі передбачення вигорання співробітників
http://ir.lib.vntu.edu.ua//handle/123456789/38639
Порівняльний аналіз моделей машинного навчання в задачі передбачення вигорання співробітників
Гладіголов, С. С.; Мокін, О. Б.; Hladiholov, S. S.; Mokin, O. B.
The article explores the problem of predicting the emotional burnout syndrome of employees , which is relevant due to
the high level of stress in the modern world. The study uses the publicly available dataset "Are your employees burning out"
from the competition on the HackerEarth platform. A comparative analysis of three traditional machine learning models
based on classical machine learning approaches (linear regression, Random Forest, XGBoost) and three Bayesian models
(Bayesian linear regression, varying intercept model, varying intercept and slope model) was carried out in the study. The
change in the quality of the models is studied for different sizes of data sets, ranging from 13,000 (i.e., the full training set,
which accounted for 70% of all data) to 25 observations, including testing on the full data set. It is demonstrated that
XGBoost is the best model for large data sets. However, when the training sample size is reduced to less than 5000 observations, the validation performance of the XGBoost model becomes significantly less accurate and becomes lower than the
corresponding metrics for Bayesian models. After optimizing such hyperparameters as tree depth, number of trees, learning
rate, and others, the quality of XGBoost improved significantly, but did not make it stable enough to demonstrate better
results than Bayesian models on samples of less than 600 observations. Bayesian models, on the other hand, in addition to
being better on small samples, also allow estimating the "confidence" in the predicted values, which is an important feature
for a specific tasks. However, they also have a significant disadvantage in the form of much greater computational complexity, which leads to an increase in training time. In conclusion, results of this study emphasize the importance of careful selection of a model that considers the peculiarities of the amount and quality of available data. Bayesian models have proven to
be highly effective with a small amount of data, due to their ability to consider uncertainty and insufficient information.; Розглянуто задачу передбачення синдрому емоційного вигорання співробітників, актуальність якої пов`язана з високим рівнем стресу в сучасному світі. У дослідженні використано публічний набір даних “Are your employees burning out” зі змагання на платформі HackerEarth. Проведено порівняльний аналіз трьох традиційних моделей машинного навчання, основаних на класичних підходах машинного навчання (лінійна регресія, Random Forest, XGBoost) та трьох баєсових моделей (баєсова лінійна
регресія, модель регресії зі змінним вільним членом, модель регресії зі змінним вільним членом та кутовим коефіцієнтом). Досліджено зміну якості моделей на різних розмірах наборів даних, починаючи від 13000 (тобто від повної тренувальної вибірки, яка склала 70 % від всіх даних) до 25 спостережень включно з перевіркою на повному наборі даних. Продемонстровано, що за великих обсягів даних найкращою моделлю є XGBoost. Однак зі зменшенням розміру тренувальної вибірки до менше ніж 5000 спостережень валідаційні показники XGBoost моделі суттєво погіршилися та стали нижчими ніж відповідні значення метрик для баєсових моделей. Після оптимізації таких гіперпараметрів, як глибина дерев, кількість дерев, швидкість навчання та інші, якість XGBoost суттєво покращилась, але не зробила її достатньо стійкою, щоб продемонструвати кращі результати, ніж баєсові моделі на вибірках менше 600 спостережень. Баєсові ж моделі окрім кращої якості на малих вибірках також дозволяють оцінювати «впевненість» у прогнозованих значеннях, що є важливою особливістю для низки задач. Проте, вони мають і значний недолік у вигляді набагато більшої обчислювальної складності, що призводить до збільшення часу навчання. У висновку підкреслено важливість ретельного вибору моделі, яка враховує особливості обсягу та якості наявних даних. Баєсові моделі проявили високу ефективність у разі невеликого обсягу даних, завдяки їхньої здатності враховувати невизначеність та недостатність інформації.
2023-01-01T00:00:00ZСистемний аналіз процесу переміщення вантажів у вертикальній площині
http://ir.lib.vntu.edu.ua//handle/123456789/38383
Системний аналіз процесу переміщення вантажів у вертикальній площині
Мокін, Б. І.; Мокін, О. Б.; Кривоніс, О. М.
У монографії представлені результати дослідження процесу переміщення вантажів у вертикальній площині, виконані зі застосуванням ідеології системного підходу, завдяки якій при моделюванні враховані усі фактори, що його формують, та з використанням усіх п`яти етапів методу системного аналізу на шляху до синтезу системи оптимального керування цим процесом.
Розрахована на інженерів, науковців та студентів ЗВО, яким під час розв`язання поставлених їм задач по математичному моделюванню процесу переміщення вантажів у вертикальній площині та синтезу системи оптимального керування цим процесом необхідно здійснити його системний аналіз.
2022-01-01T00:00:00ZПроблема оцінювання генеративних змагальних мереж
http://ir.lib.vntu.edu.ua//handle/123456789/38286
Проблема оцінювання генеративних змагальних мереж
Ісаєнков, Я. О.; Мокін, О. Б.
The article presents an overview of modern evaluation methods of generation results of generative adversarial networks (GANs). It also shows the analysis of the features, advantages, and disadvantages of those evaluation methods,
as well as the importance of solving the problem of GAN evaluation for their further development.; У даній роботі представлено огляд сучасних методів оцінювання результатів генерування генеративних змагальних мереж (ГЗМ), проаналізовано особливості, переваги та недоліки цих методів, а також показано важливість вирішення проблеми оцінювання ГЗМ для їх подальшого розвитку
2021-01-01T00:00:00Z