Поиск

Выпуск
Название
Авторы
Определение фолликулярного резерва яичников по данным ультразвукового исследования на основе методов машинного обучения
Лапутин Ф.А., Сидоров И.В., Мошкин А.С.
Возможности использования виртуального симулятора «Vimedix 3.2» в процессе обучения по специальности «ультразвуковая диагностика»
Васильев В.А., Кондричина С.Н.
Дозиомика в анализе медицинских изображений и перспективы её использования в клинической практике
Солодкий В.А., Нуднов Н.В., Иванников М.Е., Шахвалиева Э.С., Сотников В.М., Смыслов А.Ю.
Мнение студентов магистратуры о дистанционном обучении по специальности «Интервенционная радиология» с помощью электронных технологий: опрос учащихся
Neri E., Crocetti L., Lorenzoni G., Cioni R., Brady A., Caramella D.
Классификация снимков оптической когерентной томографии с использованием методов глубокого машинного обучения
Арзамасцев А.А., Фабрикантов О.Л., Кулагина Е.В., Зенкова Н.А.
Моделирование индивидуального стиля разметки врача-рентгенолога для улучшения точности нейронных сетей
Никитин Е.Д.
MosMedData: датасет 1110 компьютерных томографий органов грудной клетки, выполненных во время эпидемии COVID-19
Морозов С.П., Андрейченко А.Е., Блохин И.А., Гележе П.Б., Гончар А.П., Николаев А.Е., Павлов Н.А., Чернина В.Ю., Гомболевский В.А.
Классификация наличия злокачественных образований на маммограмме с помощью методов глубокого обучения
Ибрагимов А.А., Сенотрусова С.А., Литвинов А.А., Беляева А.А., Ушаков Е.Н., Маркин Ю.В.
Цифровизация диагностики: компьютерное приложение для определения метастазов в лимфатические узлы при раке шейки матки
Кузнецов А.И.
«Живая хирургия» как современный и наглядный способ обучения врачей-специалистов
Федорцов А.А., Мошуров И.П., Мануковская О.В., Поварков С.М.
Концепция ответственного искусственного интеллекта — будущее искусственного интеллекта в медицине
Германов Н.С.
Перспективы применения компьютерного зрения для выявления камней в мочевыделительной системе и новообразований печени и почек на изображениях компьютерной томографии органов брюшной полости и забрюшинного пространства
Васильев Ю.А., Владзимирский А.В., Арзамасов К.М., Шихмурадов Д.У., Панкратов А.В., Ульянов И.В., Нечаев Н.Б.
Разработка прогностической модели для диагностики рака предстательной железы на основе радиомики бипараметрической магнитно-резонансной томографии карт измеряемого коэффициента диффузии и стекинга алгоритмов машинного обучения
Кузнецов А.И.
Развитие исследований и разработок в сфере технологий искусственного интеллекта для здравоохранения в Российской Федерации: итоги 2021 года
Гусев А.В., Владзимирский А.В., Шарова Д.Е., Арзамасов К.М., Храмов А.Е.
Применение искусственного интеллекта в диагностике кальцификации артерий
Трусов Ю.А., Чупахина В.С., Нуркаева А.С., Яковенко Н.А., Абленина И.В., Латыпова Р.Ф., Питке А.П., Язовских А.А., Иванов А.С., Богатырева Д.С., Попова У.А., Юзлекбаев А.Ф.
Искусственный интеллект в ультразвуковом исследовании узловых образований щитовидной железы, прогноз накопления I-131
Манаев А.В., Трухин А.А., Захарова С.М., Шеремета М.С., Трошина Е.А.
Улучшает ли качество определения злокачественных изменений молочной железы агрегация результатов работы ИИ-системы с помощью метамодели?
Никитин Е.Д.
Технологии машинного обучения и искусственной нейронной сети в классификации посткератотомической деформации роговицы
Цыренжапова Е.К., Розанова О.И., Юрьева Т.Н., Иванов А.А., Розанов И.С.
Путь протяжённостью 25 лет глазами очевидца
Низовцова Л.А.
Применение технологии машинного обучения для прогнозирования оптической силы интраокулярных линз: генерализация диагностических данных
Арзамасцев А.А., Фабрикантов О.Л., Зенкова Н.А., Беликов С.В.
Прогнозирование развития фибрилляции предсердий у коморбидных пациентов с артериальной гипертензией и хронической обструктивной болезнью лёгких по данным лабораторных методов исследования: подход с использованием машинного обучения
Казанцева Е.В., Иванников А.А., Тарзиманова А.И., Подзолков В.И.
Эталонные медицинские датасеты (MosMedData) для независимой внешней оценки алгоритмов на основе искусственного интеллекта в диагностике
Павлов Н.А., Андрейченко А.Е., Владзимирский А.В., Ревазян А.А., Кирпичев Ю.С., Морозов С.П.
1 - 22 из 22 результатов
Подсказки:
  • Ключевые слова чувствительны к регистру
  • Английские предлоги и союзы игнорируются
  • По умолчанию поиск проводится по всем ключевым словам (агенс AND экспериенцер)
  • Используйте OR для поиска того или иного термина, напр. образование OR обучение
  • Используйте скобки для создания сложных фраз, напр. архив ((журналов OR конференций) NOT диссертаций)
  • Для поиска точной фразы используйте кавычки, напр. "научные исследования"
  • Исключайте слово при помощи знака - (дефис) или оператора NOT; напр. конкурс -красоты или же конкурс NOT красоты
  • Используйте * в качестве версификатора, напр. научн* охватит слова "научный", "научные" и т.д.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».