Дисертація доктора філософії. Кочура Юрій Петрович. Метод глибинного машинного навчання для ідентифікації, класифікації та семантичної сегментації об’єктів

Реєстраційний номер

0826U005471, Дисертація доктора філософії

На здобуття

Доктор філософії

Дата захисту

Статус

Запланована   Чому дисертація має статус "Запланована"?

Назва роботи

Метод глибинного машинного навчання для ідентифікації, класифікації та семантичної сегментації об’єктів

Здобувач

Кочура Юрій Петрович,

Керівник Гордієнко Юрій Григорович
Опонент Снитюк Віталій Євгенович
Опонент Чумаченко Дмитро Ігорович
Рецензент Волокита Артем Миколайович
Рецензент Шелестов Андрій Юрійович

Установа, організація, у вченій раді якої відбудеться/відбувся захист

Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"

Опис

Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 121 «Інженерія програмного забезпечення» у галузі знань 12 «Інформаційні технології». – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2026. Дисертаційна робота присвячена розробці нових та вдосконаленню існуючих методів глибинного машинного навчання для розв’язання задач ідентифікації, класифікації та семантичної сегментації об’єктів. Запропоновані методи спрямовані на покращення результатів аналізу медичних даних, зокрема діагностики легеневих захворювань шляхом інтеграції алгоритмів семантичної сегментації анатомічних структур і вилучення тіней кісток з рентгенограм, ансамблевої класифікації у федеративному навчанні, а також методів виключення викидів серед розподілу сегментованих масок та генеративної аугментації даних методом дистиляції набору даних (GDADD). Актуальність теми дослідження зумовлена зростаючим обсягом медичних зображень, які потребують інтерпретації в умовах обмежених кадрових ресурсів системи охорони здоров'я, а також неминучістю діагностичних помилок, зумовлених людським фактором навіть у досвідчених фахівців. Це зумовлює активне впровадження систем підтримки прийняття клінічних рішень на основі інтелектуальних методів обробки медичних даних. Сучасні системи комп'ютерного зору продемонстрували високу ефективність у задачах класифікації та сегментації медичних зображень, однак залишається потреба в їх подальшій оптимізації для досягнення точності, швидкодії та надійності, порівнянних або вищих за результати експертів-радіологів. Ця потреба додатково посилюється тим, що існуючі методи оцінювання систем медичного штучного інтелекту нерідко виявляються недостатньо валідними та не відображають повною мірою реальну клінічну ефективність моделей, що обґрунтовує необхідність розроблення більш строгих, орієнтованих на конкретні клінічні завдання підходів.

Дата реєстрації

2026-10-20

Додано/оновлено в НРАТ

2026-10-20 / 2026-10-20