Search academic texts

Information × Registration Number 0826U001076, PhD dissertation Status Доктор філософії Date 28-04-2026 popup.evolution o Title Methods and Means for Designing a Computer System for Mobile Ophthalmic Diagnostics with CNN Edge-Inference Author Dmytro V. Prochukhan, popup.head Олег Г. Руденко popup.opponent SERHII SUBBOTIN popup.opponent Andriy Kupin popup.review Volodymyr O. Horokhovatsky popup.review Axak Natalia G. Description Прочухан Д.В. Методи та засоби проєктування комп’ютерної системи мобільної офтальмодіагностики з Edge-інференсом CNN. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття ступеня доктора філософії за спеціальністю 123 Комп’ютерна інженерія – Харківський національний університет радіоелектроніки, Міністерство освіти і науки України, Харків, 2026. Актуальність дисертаційної роботи полягає у розв’язанні науково-технічної задачі проєктування комп’ютерної системи мобільної офтальмодіагностики з Edge-інференсом CNN. У роботі розроблено архітектурні принципи побудови платформи, методи покращення ефективності нейромережевих моделей на мобільних пристроях, методи та алгоритми, що забезпечують підвищення продуктивності, автономності та надійності функціонування системи. Мета дослідження – розроблення та наукове обґрунтування методів і засобів проєктування комп’ютерної системи мобільної офтальмодіагностики з енергоефективним Edge-інференсом згорткових нейронних мереж, що забезпечує підвищення точності, автономності та швидкодії процесу аналізу мультимодальних даних. Об’єкт дослідження – процес проєктування методів та засобів комп’ютерної системи для формування діагностичних рішень на пристроях з обмеженими можливостями. Предмет дослідження – методи та засоби побудови комп’ютерної системи для проведення офтальмодіагностики. Методи дослідження. Для розв’язання поставлених задач та досягнення мети роботи було використано комплексний науковий підхід, що базується на поєднанні методів обробки зображень, штучного інтелекту та математичного аналізу. Методи цифрової обробки зображень та спектральний аналіз застосовані на етапі попередньої підготовки даних. Зокрема, методи спектрального аналізу використані для інтеграції шару Фур’є в архітектуру нейронної мережі, що дозволяє ефективніше виділяти ознаки у частотній області. Методи глибокого навчання штучних нейронних мереж складають основу розробки моделей для автоматизованої класифікації фундус-зображень сітківки та оптичної когерентної томографії. Методи математичного моделювання використано для проєктування адаптивних архітектур нейромереж. Основна увага приділена оптимізації структур для зменшення обчислювальної складності моделей без втрати точності. Методи математичної статистики та комп’ютерного моделювання задіяні під час проведення експериментів. Ці методи дозволили провести об’єктивне оцінювання стійкості розроблених систем та провести валідацію отриманих результатів на незалежних тестових наборах даних. Registration Date 2026-04-16 popup.nrat_date 2026-04-16 Close