المؤلفون: V. A. Pavlov, A. I. Doronin, В. А. Павлов, А. И. Доронин

المصدر: Scientific and educational basics in physical culture and sports; № 4 (2023); 22-34 ; Научные и образовательные основы в физической культуре и спорте; № 4 (2023); 22-34 ; 2782-3245

مصطلحات موضوعية: эффективность восстановления, hardware methods, recovery efficiency, аппаратные методы

وصف الملف: application/pdf

Relation: https://saebipcas.elpub.ru/jour/article/view/344/136; Физическая культура студента : учебник/ под ред. В. И. Ильинича. – М.: Гардарики. – 1999. – 448 c.; Физическая культура : учебное пособие/ под ред. В. А. Коваленко. – Изд-во АСВ. – 2000. – 432 с.; https://saebipcas.elpub.ru/jour/article/view/344

الاتاحة: https://saebipcas.elpub.ru/jour/article/view/344
https://doi.org/10.57006/2782-3245-2023-12-4-22-34

المؤلفون: D. I. Suntsova, V. A. Pavlov, Z. V. Makarenko, P. P. Bakholdin, A. S. Politsinsky, A. S. Kremlev, A. A. Margun, Д. И. Сунцова, В. А. Павлов, З. В. Макаренко, П. П. Бахолдин, А. С. Полицинский, А. С. Кремлев, А. А. Маргун

المساهمون: The research is supported by the project «Artificial Intelligence Methods for Cyber-Physical Systems» (No. 620164)., Работа поддержана проектом «Методы искусственного интеллекта для киберфизических систем» (№ 620164).

المصدر: The Economics of Science; Том 8, № 1 (2022); 22-30 ; Экономика науки; Том 8, № 1 (2022); 22-30 ; 2410-132X

مصطلحات موضوعية: экспертная оценка, TRL calculator, innovative project, expert assessment, калькулятор TRL, уровень готовности технологии, инновационный проект

وصف الملف: application/pdf

Relation: https://ecna.elpub.ru/jour/article/view/349/211; Указ Президента РФ от 01.12.2016 г. № 642 (2016) О Стратегии научно-технологического развития Российской Федерации / Официальный сайт Президента России. http://www.kremlin.ru/acts/bank/41449.; Бурков Е.А., Падерно П.И., Сатторов Ф.Э., Толкачева Е.А. (2021) Методологическая поддержка рабочей группы при решении задачи прогнозирования результатов классификационной экспертизы // Научно-технический вестник информационных технологий, механики и оптики. 21(3):426–432.; Комаров А.В., Пихтарь А.Н., Гриневский И.В., Комаров К.А., Голицын Л.В. (2021) Концептуальная модель оценки технологической готовности научно-технологического проекта и его потенциала на ранних стадиях разработки // Экономика науки. 7(2):111–134.; Сартори А.В., Сушков П.В., Манцевич Н.М. (2019) Принципы бережливого управления исследованиями и разработками на основе методологии уровней готовности инновационного проекта // Экономика науки. 6(1–2):22–34.; Сартори А.В., Гареев А.Р., Ильина Н.А., Манцевич Н.М. (2020) Применение подхода уровней готовности для различных предметных направлений в бережливом НИОКР // Экономика науки. 6(1–2):118–134.; Hicks B., Larsson A., Culley S., Larsson T. (2009) A Methodology for Evaluating Technology Readiness During Product Development / International Conference of Engineering Design. Stanford, USA.; Sauser B., Verma D., Ramírez-Márquez J., Gove R. (2006) From TRL to SRL: The Concept of Systems Readiness Levels / Conference on Systems Engineering Research. Los Angeles, CA, USA.; Graettinger C.P., Caroline P. et al. (2002) Using the Technology Readiness Levels Scale to Support Technology Management in the DOD’s ATD/STO Environments / Carnegie Mellon University. 41 p.; Hirshorn S., Sharon J. (2016) Final Report of the NASA Technology Readiness Assessment (TRA) Study Team / NASA. 63 p.; Портал DAU Tools (2022) https://www.dau.edu/cop/stm/lists/tools/allitems.aspx.; Дмитренко И.П. (2016) Вариант калькулятора уровней готовности технологий повышенной точности // Актуальные проблемы гуманитарных и естественных наук. 12–1:103–107.; Дмитренко И.П. (2017) Вариант калькулятора уровней готовности технологий повышенной точности на базе открытого программного продукта // Актуальные проблемы гуманитарных и естественных наук. 1–1:64–66.; Xavier Jr A., Veloso A., Souza J., Kaled Cás P., Cappelletti C. (2020) AEB Online Calculator for Assessing Technology Maturity: IMATEC // Journal of Aerospace Technology and Management. 12.; Altunok T., Cakmak T. (2010) A technology readiness levels (TRLs) calculator software for systems engineering and technology management tool // Advances in Engineering Software. 41:769–778.; Жебель В.В., Комаров А.В., Комаров К.А., Шуртаков К.В. (2018) Программное средство для комплексной оценки технологической готовности инновационных научно-технологических проектов // Экономика науки. 4(1):58–68.; Бухарин С.Н., Гукасов В.М., Лазаренко Н.Е. (2011) Теоретические и методические основы экспертизы фундаментальных и прикладных научно-технических проектов // Инноватика и экспертиза. 2(7):58–66.; ГОСТ Р 58048–2017 (2017) Трансфер технологий. Методические указания по оценке уровня зрелости технологий / Кодекс. https://docs.cntd.ru/document/1200158331.; Кравец А.Г., Дроботов А.С. (2011) Применение имитационного моделирования для оценки качества бизнес-планов инновационных проектов // Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики. 2(72).; ГОСТ Р 56861–2016 (2016) Система управления жизненным циклом. Разработка концепции изделия и технологий. Общие положения / Кодекс. https://docs.cntd.ru/document/1200132491.; ГОСТ Р 56862–2016 (2016) Система управления жизненным циклом. Разработка концепции изделия и технологий. Термины и определения / Кодекс. https://docs.cntd.ru/document/1200132492.; https://ecna.elpub.ru/jour/article/view/349

الاتاحة: https://ecna.elpub.ru/jour/article/view/349
https://doi.org/10.22394/2410-132X-2022-8-1-22-30

المؤلفون: F. Shariaty, V. A. Pavlov, S. V. Zavjalov, M. Orooji, T. M. Pervunina, Ф. Шариати, В. А. Павлов, С. В. Завьялов, М. Оруджи, Т. М. Первунина

المساهمون: The study was carried out with the financial support of the Russian Foundation for Basic Research and National Science Foundation of the Islamic Republic of Iran as part of a scientific project № 20-57-56018. The results of the work were obtained using the computing resources of the supercomputer center of Peter the Great St. Petersburg Polytechnic University (www.scc.spbstu.ru)., Исследование выполнено при финансовой поддержке РФФИ и ННФИ в рамках научного проекта № 20-57-56018. Результаты работы были получены с использованием вычислительных ресурсов суперкомпьютерного центра Санкт-Петербургского политехнического университета Петра Великого (www.scc.spbstu.ru).

المصدر: Journal of the Russian Universities. Radioelectronics; Том 25, № 3 (2022); 96-117 ; Известия высших учебных заведений России. Радиоэлектроника; Том 25, № 3 (2022); 96-117 ; 2658-4794 ; 1993-8985

مصطلحات موضوعية: представление текстуры изображения (TRI), Texture Feature Extraction, Computer-Aided Detection system (CADs), Computed Tomography scan (CT), Texture Representation of Image (TRI), извлечение признаков текстуры, система автоматизированного обнаружения (CADs), компьютерная томография (CT)

وصف الملف: application/pdf

Relation: https://re.eltech.ru/jour/article/view/641/624; Texture appearance model, a new model-based segmentation paradigm, application on the segmentation of lung nodule in the CT scan of the chest / F. Shariaty, M. Orooji, E. N. Velichko, S. V. Zavjalov // Computers in biology and medicine. 2021. Vol. 140. P. 105086. doi:10.1016/j.compbiomed.2021.105086; Shariaty F., Mousavi M. Application of CAD systems for the automatic detection of lung nodules // Informatics in Medicine Unlocked. 2019. Vol. 15. P. 100173. doi:10.1016/j.imu.2019.100173; Radiomics-based prognosis analysis for non-small cell lung cancer / Y. Zhang, A. Oikonomou, A. Wong, M. A. Haider, F. Khalvati // Scientific reports. 2017. Vol. 7, № 1. P. 1-8. doi:10.1038/srep46349; HOSVD-based 3D active appearance model: segmentation of lung fields in CT images / Q. Wang, W. Kang, H. Hu, B. Wang // J. of Medical Systems. 2016. Vol. 40, № 7. P. 1-11. doi:10.1007/s10916-016-0535-0; Cetin M., Iskurt A. An automatic 3-d reconstruction of coronary arteries by stereopsis // J. of medical systems. 2016. Vol. 40, № 4. P. 1-11. doi:10.1007/s10916-016-0455-z; Automatic lung segmentation in computed tomography images using active shape model / F. Shariaty, M. Orooji, M. Mousavi, M. Baranov, E. Velichko // 2020 IEEE Intern. Conf. on Electrical Engineering and Photonics (EExPolytech), St Petersburg, Russia, 15-16 Oct. 2020. Piscataway: IEEE, 2020. P. 156-159. doi:10.1109/EExPolytech50912.2020.9243982; Medical image segmentation by combining graph cuts and oriented active appearance models / X. Chen, J. K. Udupa, U. Bagci, Y. Zhuge, J. Yao // IEEE transactions on image processing. 2012. Vol. 21, № 4. P. 20352046. doi:10.1109/TIP.2012.2186306; The performance of active-contour and region growing methods against noises in the segmentation of computed-tomography scans / M. Mousavi, F. Shariaty, M. Orooji, E. Velichko // Book Chapter in Intern. Youth Conf. on Electronics, Telecommunications and Information Technologies. Springer, 2021. P. 573-582. doi:10.1007/978-3-030-58868-7_63; Automated pulmonary nodule detection system in computed tomography images based on Active-contour and SVM classification algorithm / F. Shariaty, V. Davydov, V. Yushkova, A. Glinushkin, V. Y. Rud // J. of Physics: Conf. Series. 2019. Vol. 1410, № 1. P. 012075. doi:10.1088/1742-6596/1410/1/012075; Shariaty F., Hosseinlou S., Rud V. Y. Automatic lung segmentation method in computed tomography scans // J. of Physics: Conf. Series, 2019. Vol. 1236, № 1. P. 012028. doi:10.1088/1742-6596/1236/1/012028; Abdulameer M. H., Sheikh Abdullah S. N. H., Othman Z. A. A modified active appearance model based on an adaptive artificial bee colony // The Scientific World J. 2014. Vol. 2014. P. 1-16. doi:10.1155/2014/879031; Automatic segmentation of thoracic and pelvic CT images for radiotherapy planning using implicit anatomic knowledge and organ-specific segmentation strategies / B. Haas, T. Coradi, M. Scholz, P. Kunz, M. Huber, U. Oppitz, L. Andre, V. Lengkeek, D. Huyskens, A. van Esch, R. Reddick // Physics in Medicine & Biology. 2008. Vol. 53, № 6. P. 1751-1771. doi:10.1088/0031-9155/53/6/017; A new hybrid approach using fuzzy clustering and morphological operations for lung segmentation in thoracic CT images / S. P. Sahu, P. Agrawal, N.D. Londhe, S. Verma // Biomedical and Pharmacology J. 2017. Vol. 10, № 4. P. 1949-1961. doi:10.13005/bpj/1315; Semi-automated segmentation of single and multiple tumors in liver CT images using entropy-based fuzzy region growing / A. Baazaoui, W. Barhoumi, A. Ahmed, E. Zagrouba // IRBM. 2017. Vol. 38, № 2. P. 98-108. doi:10.1016/j.irbm.2017.02.003; Kashyap R., Tiwari V. Active contours using global models for medical image segmentation // Intern. J. of Computational Systems Engineering. 2018. Vol. 4, № 2-3. P. 195-201. doi:10.1504/IJCSYSE.2018.091404; Tabb A., Duncan K. E., Topp C. N. Segmenting root systems in X-ray computed tomography images using level sets // 2018 IEEE Winter Conf. on Applications of Computer Vision (WACV), Lake Tahoe, USA, 12-15 March 2018. IEEE, 2018. P. 586-595: doi:10.1109/WACV.2018.00070; Marker-based watershed transform method for fully automatic mandibular segmentation from CBCT images / Y. Fan, R. Beare, H. Matthews, P. Schneider, N. Kilpatrick, J. Clement, P. Claes, A. Penington, C. Adamson // Dentomaxillofacial Radiology. 2019. Vol. 48, № 2. P. 20180261. doi:10.1259/dmfr.20180261; Anter A. M., Hassenian A. E. CT liver tumor segmentation hybrid approach using neutrosophic sets, fast fuzzy c-means and adaptive watershed algorithm // Artificial intelligence in medicine. 2019. Vol. 97. P. 105117. doi:10.1016/j.artmed.2018.11.007; Pankaj A., Ayyappan S. Theoretical Concepts and Technical Aspects on Image Segmentation // Computer Vision: Concepts, Methodologies, Tools and Applications: IGI Global. 2018. P. 2333-2348.; A multi-view deep convolutional neural networks for lung nodule segmentation / S. Wang, M. Zhou, O. Gevaert, Z. Tang, D. Dong, Z. Liu, T. Jie // 2017 39th Annual Intern. Conf. of the IEEE Engineering in Medicine and Biology Society (EMBC), Jeju, Korea, 11-15 July 2017. IEEE, 2017. P. 1752-1755. doi:10.1109/EMBC.2017.8037182; Roy R., Chakraborti T., Chowdhury A. S. A deep learning-shape driven level set synergism for pulmonary nodule segmentation // Pattern Recognition Lett. 2019. Vol. 123. P. 31-38. doi:10.1016/j.patrec.2019.03.004; Fast and fully-automated detection and segmentation of pulmonary nodules in thoracic CT scans using deep convolutional neural networks / X. Huang, W. Sun, T.-L. B. Tseng, C. Li, W. Qian // Computerized Medical Imaging and Graphics. 2019. Vol. 74. P. 25-36. doi:10.1016/j.compmedimag.2019.02.003; Mukherjee S., Huang X., Bhagalia R. R. Lung nodule segmentation using deep learned prior based graph cut // 2017 IEEE 14th Intern. Symp. on Biomedical Imaging (ISBI 2017), Melbourne, Australia, 18-21 Apr. 2017. IEEE, 2017. P. 1205-1208. doi:10.1109/ISBI.2017.7950733; Hierarchical parsing and semantic navigation of full body CT data / S. Seifert, A. Barbu, S. K. Zhou, D. Liu, J. Feulner, M. Huber, M. Suehling, A. Cavallaro, D. Comaniciu // Poc. of SPIE. Medical Imaging 2009: Image Processing. 2009. Vol. 7259. P. 29-36. doi:10.1117/12.812214; Stegmann M. B., Ersboll B. K., Larsen R. FAME-a flexible appearance modeling environment // IEEE Transactions on Medical Imaging. 2003. Vol. 22, № 10. P. 1319-1331. doi:10.1109/TMI.2003.817780; Christensen G. E., Rabbitt R. D., Miller M. I. 3D brain mapping using a deformable neuroanatomy // Physics in Medicine & Biology. 1994. Vol. 39, № 3. P. 609-618. doi:10.1088/0031-9155/39/3/022; Gordon G. G. Face recognition based on depth and curvature features // Proc. 1992 IEEE Computer Society Conf. on Computer Vision and Pattern Recognition. Champaign, USA, 15-18 June 1992. IEEE, 1992. P. 808-810. doi:10.1109/CVPR.1992.223253; Sethuram A., Ricanek K., Patterson E. A comparative study of active appearance model annotation schemes for the face // Proc. of the Seventh Indian Conf. on Computer Vision, Graphics and Image Processing, 2010. P. 367-374. doi:10.1145/1924559.1924608; Cootes T. F., Edwards G. J., Taylor C. J. Active appearance models // Proc. of European Conf. on Computer Vision. 1998. Vol. 2. P. 484-498.; Kamdi S., Krishna R. Image segmentation and region growing algorithm // Intern. J of Computer Technology and Electronics Engineering (IJCTEE). 2012. Vol. 2, № 1. P. 103-107.; Kass M., Witkin A., Terzopoulos D. Snakes: Active contour models // Intern. j. of computer vision. 1988. Vol. 1, № 4. P 321-331.; Radiomics: extracting more features using endoscopic imaging / F. Shariaty, M. Baranov, E. Velichko, M. Galeeva, V. Pavlov // 2019 IEEE Intern. Conf. on Electrical Engineering and Photonics (EExPolytech). St Petersburg, Russia, 17-18 Oct. 2019. IEEE, 2019. P. 181-194. doi:10.1109/EExPolytech.2019.8906843; Haralick R. M., Shanmugam K., Dinstein I. H. Textural features for image classification // IEEE Transactions on systems, man, and cybernetics. 1973. № 6. P. 610-621. doi:10.1109/TSMC.1973.4309314; Punithavathy K., Ramya M., Poobal S. Analysis of statistical texture features for automatic lung cancer detection in PET/CT images // 2015 Intern. Conf. on Robotics, Automation, Control and Embedded Systems (RACE). Chennai, India, 18-20 Feb. 2015. IEEE, 2015. P. 1-5. doi:10.1109/RACE.2015.7097244; Texture-based classification of focal liver lesions on MRI at 3.0 Tesla: A feasibility study in cysts and hemangiomas / Mayerhoefer M. E., Schima W., Trattnig S., Pinker K., Berger-Kulemann V., Ba-Ssalamah A. // J. of Magnetic Resonance Imaging. 2010. Vol. 32, № 2. P. 352-359. doi:10.1002/jmri.22268; Computerized analysis of mammographic parenchymal patterns on a large clinical dataset of full-field digital mammograms: robustness study with two high-risk datasets / H. Li, M. L. Giger, L. Lan, J. B. Brown, A. MacMahon, M. Mussman, O. I. Olopade, C. Sennett // J. of digital imaging. 2012. Vol. 25, № 5. P. 591-598. doi:10.1007/s10278-012-9452-z; Quantitative analysis of lesion morphology and texture features for diagnostic prediction in breast MRI / K. Nie, J.-H. Chen, J. Y. Hon, Y. Chu, O. Nalcioglu, M.-Y. Su // Academic radiology. 2008. Vol. 15, № 12. P. 1513-1525. doi:10.1016/j.acra.2008.06.005; Integrative analysis of DCE-MRI and gene expression profiles in construction of a gene classifier for assessment of hypoxia-related risk of chemoradiotherapy failure in cervical cancer / C. S. Fjeldbo, C. H. Julin, M. Lando, M. F. Forsberg, E.-K. Aarne, J. Alsner, G.B. Kristensen, E. Malinen, H. Lyng // Clinical Cancer Research. 2016. Vol. 22, № 16. P. 4067-4076. doi:10.1158/1078-0432.CCR-15-2322; ADC texture - an imaging biomarker for highgrade glioma? / P. Brynolfsson, D. Nilsson, R. Henriksson, J. Hauksson, M. Karlsson, A. Garpebring, R. Birgander, J. Trygg, T. Nyholm, T. Asklund // Medical physics. 2014. Vol. 41, № 10. P. 101903. doi:10.1118/1.4894812; Radiomics: extracting more information from medical images using advanced feature analysis / P. Lambin, E. Rios-Velazquez, R. Leijenaar, S. Carvalho, R. G. P. M. van Stiphout, P. Granton, C. M. L. Zegers, R. Gillies, R. Boellard, A. Dekker, H.J. W. L. Aerts // European j. of cancer. 2012. Vol. 48, № 4. P. 441-446. doi:10.1016/j.ejca.2011.11.036; Decoding tumour phenotype by noninvasive imaging using a quantitative radiomics approach / H. J. W. L. Aerts, E. R. Velazquez, R. T. H. Leijenaar, C. Parmar, P. Grossmann, S. Carvalho, J. Bussink, R. Monshouwer, B. Haibe-Kains, D. Rietveld, F. Hoebers, M. M. Rietbergen, C. R. Leemans, A. Dekker, J. Quackenbush, R. J. Gillies, P. Lambin // Nature communications. 2014. Vol. 5, № 1. P. 1-9. doi:10.1038/ncomms5006; FDG PET/CT radiomics for predicting the outcome of locally advanced rectal cancer / P. Lovinfosse, M. Polus, D. V. Daele, P. Martinive, F. Daenen, M. Hatt, D. Visvikis, B. Koopmansch, F. Lambert, C. Coimbra, L. Seidel, A. Albert, P. Delvenne, R. Hustinx // European j. of nuclear medicine and molecular imaging. 2018. Vol. 45, № 3. P. 365-375. doi:10.1007/s00259-017-3855-5; Cho H.-h., Park H. Classification of low-grade and high-grade glioma using multi-modal image radiomics features // 2017 39th Annual Intern. Conf. of the IEEE Engineering in Medicine and Biology Society (EMBC). Jeju, Korea, 11-15 July 2017. IEEE, 2017. P. 3081-3084. doi:10.1109/EMBC.2017.8037508; Al-Kilidar S. H., George L. E. Texture classification using gradient features with artificial neural network // J. of Southwest Jiaotong University. 2022. Vol. 55, № 1. doi:10.35741/issn.0258-2724.55.1.13; Smith J. R. Integrated spatial and feature image systems: Retrieval, analysis and compression. Columbia University, 1997. 178 p.; Ojala T., Pietikainen M., Maenpaa T. Multiresolution gray-scale and rotation invariant texture classification with local binary patterns // IEEE Transactions on pattern analysis and machine intelligence. 2002. Vol. 24, № 7. P. 971-987. doi:10.1109/TPAMI.2002.1017623; Su K.-Y., Lee C.-H. Speech recognition using weighted HMM and subspace projection approaches // IEEE transactions on speech and audio processing. 1994. Vol. 2, № 1. P. 69-79. doi:10.1109/89.260336; https://re.eltech.ru/jour/article/view/641

الاتاحة: https://re.eltech.ru/jour/article/view/641
https://doi.org/10.32603/1993-8985-2022-25-3-96-117

المؤلفون: A. A. Tuzova, V. A. Pavlov, A. A. Belov, А. А. Тузова, В. А. Павлов, А. А. Белов

المصدر: Journal of the Russian Universities. Radioelectronics; Том 24, № 4 (2021); 6-18 ; Известия высших учебных заведений России. Радиоэлектроника; Том 24, № 4 (2021); 6-18 ; 2658-4794 ; 1993-8985

مصطلحات موضوعية: параметры фильтров, radar image, speckle noise, speckle noise filtering, filter parameters, радиолокационное изображение, спекл-шум, фильтрация спекл-шума

وصف الملف: application/pdf

Relation: https://re.eltech.ru/jour/article/view/537/550; Тузова А. А., Павлов В. А., Белов А. А. Применение платформы Jetson TX1 для реализации алгоритмов формирования радиолокационных изображений радиолокатора с синтезированной апертурой // Неделя науки СПбПУ 2019: материалы науч. конф. с международным участием. СПб.: Изд-во Политехн. ун-та, 2019. С. 26-29.; Pavlov V. A., Belov A. A., Tuzova A. A. Implementation of Synthetic Aperture Radar Processing Algorithms on the Jetson TX1 Platform // IEEE Intern. Conf. on Electrical Engineering and Photonics (EExPolytech), St Petersburg, 2019. P. 90-93. doi:10.1109/EExPolytech.2019.8906850; Волков В. Ю. Адаптивное выделение мелких объектов на цифровых изображениях // Изв. вузов России. Радиоэлектроника. 2017. № 1. С. 17-28.; Fursov V., Zherdev D., Kazanskiy N. Support subspaces method for synthetic aperture radar automatic target recognition // Intern. J. of Advanced Robotic Systems. 2016. Vol. 13, iss. 5. P. 1-11. doi:10.1177/1729881416664848; Domg Y., Milne A. K., Forster B. C. Toward edge sharpening: a SAR speckle filtering algorithm // IEEE Transactions on Geoscience and Remote Sensing. Apr. 2001. Vol. 39, № 4. P. 851-863. doi:10.1109/36.917910; Yongjian Yu., Acton S. T. Speckle reducing anisotropic diffusion // IEEE Transactions on Image Processing. 2002. Vol. 11, № 11. P. 1260-1270. doi:10.1109/TIP.2002.804276; A New Image Quality Index for Objectively Evaluating Despeckling Filtering in SAR Images / L. Gomez, M. E. Buemi, J. C. Jacobo-Berlles, M. E. Mejail // IEEE J. of Selected Topics in Applied Earth Observations and Remote Sensing. 2016. Vol. 9, № 3. P. 1297-1307. doi:10.1109/JSTARS.2015.2465167; Speckle Reduction of Reconstructions of Digital Holograms Using Gamma-Correction and Filtering / X. Huang, Z. Jia, J. Zhou, J. Yang, N. Kasabov // IEEE Access. 2018. Vol. 6. P. 5227-5235. doi:10.1109/ACCESS.2017.2751540; Старовойтов В. В. Методика выбора фильтра для сглаживания спекл-шума радарных изображений с синтезированной апертурой // Информатика. 2015. № 2. Р. 5-11.; Исследование методов удаления спекл-шумов на ультразвуковых изображениях / А. Бобкова, С. Поршнев, В. Зюзин, В. Бобков // The 23rd Intern. Conf. on Computer Graphics and Vision, Vladivostok, Sept. 2013. P. 244-246.; Touzi R. A review of speckle filtering in the context of estimation theory // IEEE Transactions on Geoscience and Remote Sensing. 2002. Vol. 40, iss. 11. P. 2392-2404. doi:10.1109/TGRS.2002.803727; Aja-Fernandez S., Alberola-Lopez C. On the estimation of the coefficient of variation for anisotropic diffusion speckle filtering // IEEE Transactions on Image Processing. 2006. Vol. 15, № 9. P. 2694-2701. doi:10.1109/TIP.2006.877360; Oriented Speckle Reducing Anisotropic Diffusion / K. Krissian, C. Westin, R. Kikinis, K. G. Vosburgh // IEEE Transactions on Image Processing. 2007. Vol. 16, № 5. P. 1412-1424. doi:10.1109/TIP.2007.891803; Improved Sigma Filter for Speckle Filtering of SAR Imagery / Jong-Sen Lee, Jen-Hung Wen, T. L. Ainsworth, Kun-Shan Chen, A. J. Chen // IEEE Transactions on Geoscience and Remote Sensing. 2009. Vol. 47, № 1. P. 202-213. doi:10.1109/TGRS.2008.2002881; FPGA-Based Adaptive Speckle Suppression Filter for Underwater Imaging Sonar / S. Karabchevsky, D. Kahana, O. Ben-Harush, H. Guterman // IEEE J. of Oceanic Engineering. 2011. Vol. 36, № 4. P. 646-657. doi:10.1109/JOE.2011.2157729; Spatial filtering strategies on deforestation detection using SAR image textures / X. Dong, D. Zhang, K. Cui, C. Hu, X. Lv // CIE Intern. Conf. on Radar (RADAR), Guangzhou, China, 2016. P. 1-4. doi:10.1109/RADAR.2016.8059472; Anisotropic Diffusion Filter With Memory Based on Speckle Statistics for Ultrasound Images / G. RamosLlordén, G. Vegas-Sánchez-Ferrero, M. Martin-Fernandez, C. Alberola-López, S. Aja-Fernández // IEEE Transactions on Image Processing. 2015. Vol. 24, № 1. P. 345-358. doi:10.1109/TIP.2014.2371244; Paul A., Mukherjee D. P., Acton S. T. Speckle Removal Using Diffusion Potential for Optical Coherence Tomography Images // IEEE J Biomed Health Inform. 2019. Vol. 23, iss. 1. P. 264-272. doi:10.1109/JBHI.2018.2791624; Gonzalez R. C., Woods R. E. Digital Image Processing. 2nd ed. Addison-Wesley Longman Publishing Co., Inc., USA, New Jersey 07458, 2001. 191 p.; Lee Jong-Sen Digital Image Enhancement and Noise Filtering by Use of Local Statistics // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1980. Vol. PAMI-2, № 2. P. 165-168. doi:10.1109/TPAMI.1980.4766994; A Model for Radar Images and Its Application to Adaptive Digital Filtering of Multiplicative Noise / V. S. Frost, J. A. Stiles, K. S. Shanmugan, J. C. Holtzman // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1982. Vol. PAMI-4, № 2. P. 157-166. doi:10.1109/TPAMI.1982.4767223; Adaptive restoration of images with speckle / D. Kuan, A. Sawchuk, T. Strand, P. Chavel // IEEE Transactions on Acoustics, Speech and Signal Processing. 1987. Vol. 35, № 3. P. 373-383. doi:10.1109/TASSP.1987.1165131; Tomasi C., Manduchi R. Bilateral filtering for gray and color images // Sixth Intern. Conf. on Computer Vision (IEEE Cat. No.98CH36271), Bombay, India, 1998. P. 839-846. doi:10.1109/ICCV.1998.710815; Structure detection and statistical adaptive speckle filtering in SAR images / A. Lopes, E. Nezry, R. Touzi, H. Laur // Intern. J. of Remote Sensing. 1993. Vol. 14, iss. 9. P. 1735-1758. doi:10.1080/01431169308953999; Perona P., Malik J. Scale-space and edge detection using anisotropic diffusion // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1990. Vol. 12, iss. 7. P. 629-639. doi:10.1109/34.56205; Image quality assessment: From error visibility to structural similarity / Z. Wang, A. C. Bovik, H. R. Sheikh, E. P. Simoncelli // IEEE Transactions on Image Processing. 2004. Vol. 13, iss. 4. P. 600–612. doi:10.1109/TIP.2003.819861; Wang Z., Bovik A. C. A universal image quality index // IEEE Signal Processing Lett. 2002. Vol. 9, iss. 3. P. 81–84. doi:10.1109/97.995823; Gradient magnitude similarity deviation: A highly efficient perceptual image quality index / W. Xue, L. Zhang, X. Mou, A. C. Bovik // IEEE Transactions on Image Processing. 2014. Vol. 23, iss. 2. P. 684–695. doi:10.1109/TIP.2013.2293423; Comparison of Image Quality Assessment Metrics for Evaluation of Performance of Anisotropic Diffusion Filter for SAR Images / A. A. Tuzova, V. A. Pavlov, A. A. Belov, S. V. Volvenko // IEEE Intern. Conf. on Electrical Engineering and Photonics (EExPolytech), St Petersburg, 2020. P. 176-179. doi:10.1109/EExPolytech50912.2020.9243957; Methods for Blind Estimation of Speckle Variance in SAR Images: Simulation Results and Verification for Real-Life Data / S. Abramov, V. Abramova, V. Lukin, N. Ponomarenko, B. Vozel, K. Chehdi, K. Egiazarian, Ja. Astol // Computational and Numerical Simulations. 2014. Ch. 24. P. 303-327. doi:10.5772/57040; Choi H., Jeong J. Speckle noise reduction technique for SAR images using statistical characteristics of speckle noise and discrete wavelet transform // Remote Sensing, 2019. Vol. 11, iss. 1184. P. 1-27. doi:10.3390/rs11101184; Xie Hua, Pierce L. E., Ulaby F. T. Statistical properties of logarithmically transformed speckle // IEEE Transactions on Geoscience and Remote Sensing. 2002. Vol. 40, iss. 3. P. 721-727. doi:10.1109/TGRS.2002.1000333; Singh P., Pandey R. Speckle noise: Modelling and implementation // Intern. J. of Circuit Theory and Applications. 2016. Vol. 9, iss. 17. P. 8717–8727.; Herman C., Lehmann E. L. The use of maximum likelihood estimates in χ2 tests for goodness of fit // Ann. Math. Statist. 1954. Vol. 25, iss. 3. P. 579-586. doi:10.1214/aoms/1177728726; Pearson K. On the criterion that a given system of deviations from theprobable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling // Breakthroughs in Statistics: Methodology and Distribution / eds. S. Kotz, N. L. Johnson. New York: Springer New York, 1992. P. 11–28. doi:10.1007/978-1-4612-4380-9_2; Belov A. A., Pavlov V. A., Tuzova A. A. A Method of Finding Optimal Parameters of Speckle Noise Reduction Filters // Internet of Things, Smart Spaces and Next Generation Networks and Systems, Springer Intern. Publishing, 2020. P. 133-141. doi:10.1007/978-3-030-65729-1_12; Тузова А. А. Проект по поиску оптимальных параметров фильтров спекл-шума. Файл FilteringSpeckleNoise_main_script.m. URL: https://github.com/AnnaTuzova/Speckle-noise-project (дата обращения 25.04.2021); https://re.eltech.ru/jour/article/view/537

الاتاحة: https://re.eltech.ru/jour/article/view/537
https://doi.org/10.32603/1993-8985-2021-24-4-6-18

المؤلفون: S. N. Skorniakov, E. V. Sabadash, I. D. Medvinsky, B. I. Novikov, V. A. Pavlov, С. Н. Скорняков, Е. В. Сабадаш, И. Д. Медвинский, Б. И. Новиков, В. А. Павлов

المصدر: Medical Immunology (Russia); Том 17, № 1 (2015); 75-80 ; Медицинская иммунология; Том 17, № 1 (2015); 75-80 ; 2313-741X ; 1563-0625 ; 10.15789/1563-0625-2015-1

مصطلحات موضوعية: туберкулез легких, taurine, glutathione, monocytes, pulmonary tuberculosis, таурин, глутатион, моноциты

وصف الملف: application/pdf

Relation: https://www.mimmun.ru/mimmun/article/view/811/755; Авербах М.М. Туберкулезная гранулема. Современный взгляд на иммуногенез и клеточный состав // Туберкулез и болезни легких, 2010. No 6. С. 3-9. [Averbach M.М. Tuberculous granulomas. The modern view on immunogenesis and cellular composition .Tuberkulez i bolezni legkikh = Tuberculosis and Lung Disease, 2010, no. 6, pp. 3-9. (In Russ.)]; Александрова А.Е. Место средств патогенетической направленности действия в терапии туберкулеза // Патогенетическая терапия легочного и внелегочного туберкулеза. Л., 1987. С. 11-18. [Alexandrova A.E. Place of the pathogenetic orientation of action in the treatment of tuberculosis. Pathogenetic therapy of pulmonary and еxtrapulmonary tuberculosis]. Leningrad, 1987, pp 11-18 .; Белокрылов Г.А., Молчанова И.М., Сорочинская Е.И., Хаитов Р.Б., Пинегин Б.В., Исламов Х.И. Аминокислоты как стимуляторы иммуногенеза // Экологическая иммунология. М.: ВНИРО, 1995. 219 с. [Belokrylov G.A., Molchanova I.M., Sorochinskaya E.I., Khaitov R.B., Pinegin B.V., Islamov H.I. Amino acids as stimulants immunogenesis. Ecological immunology]. Moscow: VNIRO, 1995. 219 р.; Брудастов Ю.А., Журлов О.С., Грудинин Д.А. Активные метаболиты кислорода при фагоцитозе // Вестник ОГУ, 2008. No 12. С. 148-151. [Brudastov Y.A., Zhurlov O.S., Grudinin D.A. Active oxygen metabolites during phagocytosis. Vestnik OGU = Bulletin OSU. 2008, no. 12, pp. 148-151. (In Russ.)]; Бубочкин Б.П., Ратников В.И., Потапов И.В. Характеристика нитроксидергического профиля у впервые заболевших очаговым и инфильтративным туберкулезом легких // Тез. докладов 4 съезда науч.мед. ассоциации фтизиатров. М.: Йошкар-Ола, 1999. С. 15-19. [Bubochkin B.P., Ratnikov V.I., Potapov I.V. Feature nitroksidergicheskogo profile in newly diagnosed focal and infiltrative pulmonary tuberculosis // Proc. 4 Reports the Congress Scientific Medical Association of Phthisiologists]. Moscow: Yoshkar-Ola, 1999, pp. 15-19. (In Russ.)]; Волков М.С., Генкин А.М., Глотов Н.А. Глутаминовая кислота. Биохимические механизмы практического использования. Свердловск, 1975. 225 с. [Volkov M.S., Genkin A.В. Swallowing N.A. Glutamic acid. Biochemical mechanisms of practical use]. Sverdlovsk, 1975. 225 р.; Гончаров А.Е. Функциональная характеристика моноцитарных дендритных клеток больных туберкулезом легких // Докл. НАН Беларуси, 2008. Т. 52, No 1. С. 92-96. [Goncharov A.E. Functional characterization of monocyte-derived dendritic cells of patients with pulmonary tuberculosis // Report NASB, 2008, Vol. 52, no. 1, pp. 92-96. (In Russ.)]; Игнатьева Г.А. Современные представления об иммунитете (контуры общей теории) // Патофизиология и экспериментальная терапия, 2003. No 2. С. 2-7. [Ignatieff G.A. Modern concepts of immunity (contours of the general theory). Patofiziologiya i eksperimental`naya terapiya = Pathophysiology and Experimental Therapy. 2003, no. 2, pp. 2-7. (In Russ.)]; Гаркави Л.Х., Квакина Е.Б., Уколова М.А. Адаптационные реакции и резистентность организма. Ростов-на-Дону: Из-во Ростовского университета, 1990. 224 с. [Garkavi L.H., Kvakina E.B., Ukolov M.A. Adaptive response and resistance]. Rostov-on-Don: Publisher of Rostov University, 1990. 224 p.; Еремеев В.В., Майоров К.Б. Взаимодействие макрофаг-микобактерия, в процессе реакции микроорганизма на туберкулезную инфекцию // Проблемы туберкулеза, 2002. No 3. С. 54-56. [Eremeyev V.V., Mayorov K.B. Interaction macrophag-mycobacterium, during the reaction microorganism to TB infection. Problemy tuberkuleza = Problems of Tuberculоsis, 2002, no. 3, pp. 54-56. (In Russ.)]; Западнюк В.И., Купраш Л.И., Заика Л.У. Аминокислоты в медицине. Киев: Здоров’я, 1982. С. 58-63. [Zapadnyuk V.I., Kuprash L.I., Zaika L.U. Amino acids in medicine]. Kiev: Health, 1982, pp. 58-63.; Криворученко Н.С. Содержание соединений серы в моче у больных туберкулезом легких //Проблемы туберкулеза, 1984. No 11. С. 64-66. [Krivoruchenko N.S. Content of sulfur compounds in the urine of patients with pulmonary tuberculosis. Problemy tuberkuleza = Problems of Tuberculosis, 1984, no. 11, pp. 64-66. (In Russ.)]; Кричевская А.А., Шугалей В.С., Цветненко Е.З. Аргиназа и полиамины мозга и печени в механизме защитного действия аргинина при гипероксии // Бюлл. экспер. биол. и мед., 1981. Т. 91, No 4. С. 445-447. [Krichevskaya A.A., Shugaley V.S., Tsvetnenko E.Z. Arginase and polyamines of the brain and liver in the mechanism of the protective action of arginine with hyperoxia. Byullen` eksperimental`noy biologii i meditsiny = Bulletin of Experimental Biology and Medicine, 1981, no. 4, pp. 445-447. (In.Russ.)]; Маянский А.Н. Туберкулез (микробиологические и иммунопатогенетические аспекты) // Иммунология, 2001. No 2. С. 53-63. [Mayansky A.N. Tuberculosis (microbiological and immunopathogenetic aspects). Immunologiya = Immunology, 2001, no. 2, pp. 53-63. (In Russ.)]; Павлов В.А., Медвинский И.Д., Чугаев Ю.П., Сабадаш Е.В. Защитно-адаптивные механизмы при туберкулезной инфекции // Фтизиатрия и пульмонология, 2011. No 1. С. 42-54. [Pavlov V.A., Medvinsky I.D., Chugai Y.P., Sabadash E.V. Protective and adaptive mechanisms in tuberculosis infection. Ftiziatriya i pul`monologiya = Phthisiology and Pulmonology, 2011, no. 1, pp. 42-54. (In Russ.)]; Сахно Л. В., Черных Е.Р. Антигенпрезентирующие клетки при туберкулезе легких //Туберкулез и болезни легких, 2012. No 1. С. 3-9. [Sahno L.V., Chernykh E.R. Antigen-presenting cells in pulmonary tuberculosis. Tuberkulez i bolezni legkikh = Tuberculosis and Lung Disease, 2012, no. 1, pp. 3-9. (In Russ.)]; Сахно Л.В., Тихонова М.А., Кожевников В.С. Фенотипическая и функциональная характеристика моноцитов у больных туберкулезом легких // Медицинская иммунология, 2005. Т. 7, No 1. С. 49-56. [Sahno L.V., Tikhonova M.A., Kozhevnikov V.S. Phenotypic and functional characteristics of monocytes in patients with pulmonary tuberculosis. Meditsinskaya immunologiya = Medical Immunology (Russia), 2005, Vol. 7, no. 1. pp. 49-56. (In Russ.)]; Струков А.И., Соловьева И.П. Морфология туберкулеза в современных условиях. М.: Медицина, 1986. 232 с. [Strukov A.I., Solovyovа I.P. Morphology of tuberculosis in modern conditions]. Moscow: Medicine, 1986. 232 р.; Шатаева Л.К., Хавинсон В.Х., Ряднова И.Ю. Пептидная саморегуляция (факты и гипотезы). СПб.: Наука, 2003. 210 с. [Shataeva L.K., Havinson V.H., Ryadnova I.Y. Peptide self-regulation (facts and hypotheses)]. St. Petersburg: Science, 2003. 210 p.; Ярилин А.А. Иммунология. М.: ГЭОТАР-Медиа, 2010. 752 c. [Yarilin A.A. Immunology]. Moscow: GEOTAR-Media, 2010. 752 р.; Amano F., Noda T. Improved detection of nitric oxide radical (NO•) production in an activated macrophage culture with a radical scavenger, carry PTIO, and Griess reagent. FEBS Let., 1995, Vol. 368, pp. 425-428.; Fenton M.J., Vermilion M.W. Immunopathology of tuberculosis role of macrophages and monocytes. Infect. Immun., 1996, Vol. 4, pp. 683-690.; Galan A.I., Minoz M.E., Palomero J., Moreno C., Jimenez R. Role of S-adenosylme-thionine on the hepatobiliary homeostasis of glutathione during cyclosporine a treatment. J. Physiol. Biochem., 2000, no. 56, pp. 189-200.; North R.J., Jung Y.J. Immunity to tuberculosis. Annual Review of Immunology, 2004, Vol. 22, pp. 599-623.; Pereira C.B., Palace M., Leyte O.H., Duarte A.J., Benard G. Monocyte cytokine secretion in patients with pulmonary tuberculosis differs from that of healthy infected subjects and correlates with clinical manifestations. Microbes and Infection, 2004, pp. 25-33.; Saton H., Kang J. Modulation by taurine of human arterial stiffness and wave reflection. Adv. Exp. Med. Biol., 2009, Vol. 643, pp. 47-55.; https://www.mimmun.ru/mimmun/article/view/811

الاتاحة: https://www.mimmun.ru/mimmun/article/view/811
https://doi.org/10.15789/1563-0625-2015-1-75-80

المؤلفون: Белоконов И. В., Бязин В. А., Павлов О. В., Белоконов И. В., Бязин В. А., Павлов О. В.

المصدر: Управление движением и навигация летательных аппаратов. - Ч. 1

جغرافية الموضوع: навигационные спутники, навигация спутников, малоподвижные потребители, спутниковые радионавигационные системы, программы измерений

Relation: Управление движением и навигация летательных аппаратов : сб. [науч.] тр. VI Всерос. науч.-техн. семинара по упр. движением и навигации летат. аппарато; RU\НТБ СГАУ\536181; Белоконов, И. В. Построение оптимальных программ измерений по спутниковой радионавигационной системе для малоподвижных потребителей / И. В. Белоконов, В. А. Бязин, О. В. Павлов // Управление движением и навигация летательных аппаратов : сб. [науч.] тр. VI Всерос. науч.-техн. семинара по упр. движением и навигации летат. аппаратов (Самара, 22-24 июня 1993 г.) / Самар. гос. аэрокосм. ун-т им. С. П. Королева [и др.]; редкол.: Г. П. Аншаков (пред.), В. Л. Балакин, А. В. Борисов, Ю. Н. Лазарев, В. П. Макаров, А. И. Мантуров, И. В. Потапов, В. В. Салмин. - Самара, 1994Ч. 1. - 1994. - С. 58-61.; http://repo.ssau.ru/handle/Upravlenie-dvizheniem-i-navigaciya-LA/Postroenie-optimalnyh-programm-izmerenii-po-sputnikovoi-radionavigacionnoi-sisteme-dlya-malopodvizhnyh-potrebitelei-104140

الاتاحة: http://repo.ssau.ru/handle/Upravlenie-dvizheniem-i-navigaciya-LA/Postroenie-optimalnyh-programm-izmerenii-po-sputnikovoi-radionavigacionnoi-sisteme-dlya-malopodvizhnyh-potrebitelei-104140