|
Принятые статьи
Robust Monkeypox Detection Using Hybrid Deep Learning and Feature Fusion Techniques in Medical Images
Shaymaa Taha Ahmed, Hamid sadeq Mahdi Alsultani, Qusay Kanaan Kadhim, Wasan Abdulwahab Faiq Alsiadi, Alyaa Aziz Ahmed, Ayman Abdoun Nazal
Принято: 2026-09-07
Аннотация
Monkeypox is a frequent viral disease difficult for diagnosis, as in medical images it has strong visual similarity with other skin diseases. Self-diagnosis can bring the high risks of mistakes, so employing artificial intelligence in medical image analysis could be a kind of helpful way to make quick and correct diagnosis. In this study, we present a new deep learning model for the diagnosis of monkeypox from imaging skin lesions. This system is a fusion of several active and content zones that incorporate CNN characteristics, attention mechanisms, and a SVM classifier. Use of multiple imaging scopes in medical image aids to capture variations in lesions at different angles, different tissue and illumination settings for extended diagnostic information. The CNN feature concatenation merges deep features from ResNet50 with light features of EfficientNetB0 to present a full view of pest imaging characteristics. The method such as the Convolutional Block Attention Module (CBAM) aims to make the model more interpretable by exploiting parts of lesion that matter and reducing noisy information from background. Instead of employing a standard SoftMax layer, an SVM classifier is used leading to sharper decision boundaries and better generalization. The framework we introduced achieved outstanding results on two medical imaging datasets with an overall accuracy of 97. 3% superior to standard single CNN method. The primary contribution of this work is the presentation of a novel deep learning framework (hybrid Deep Learning) incorporating multi-view modalities, attention-based CNN feature fusion and strong SVM classification which address the limitations in state-of-the-art methods with respect to robustness, interpretability and clinical confidence.
Image processing methods for the problem of plasma control of the bow shock wave
O.V. Kravchenko, T.A. Lapushkina, E.V. Reshetova, O.A. Azarova
Принято: 2026-08-25
Аннотация
This paper presents an image processing procedure for experimental and numerical study of problems of plasma high-speed flow control. The experiments were conducted using a shock tube setup with an aerodynamic model placed in a high-speed flow. The impact zone was organized at the leading edge of the body by creating a local plasma gas discharge region. Flow visualization was performed using a pulsed laser schlieren system, which allows obtaining images of flow dynamics under the influence of discharge plasma. To extract quantitative data from the visualizations, an image processing pipeline was developed, including pre-processing, selection of the region of interest, and an adaptive thresholding setup for extracting information about the geometry of the plasma discharge luminosity region. This made it possible to perform numerical modeling of the two-dimensional Navier-Stokes equations for a viscous heat-conducting gas with a real source geometry. The plasma discharge was modeled as a localized energy deposition zone. For high-precision reconstruction of the flow field, a complex-conservative difference scheme of the second order on a shifted grid was used. The calculated position of the front of the bow shock wave (BSW) on the symmetry axis showed agreement with its position on the experimental schlieren image, confirming the qualitative adequacy of the numerical model. Quantitative comparison of the energy input the difference between the experimental and calculated values of the discharge power did not exceed 1%. The results showed that the presented image processing procedure opens up an approach to high accuracy prediction of the dynamics of high-speed flows.
Deep-learning-based workflow for cavern segmentation and derived profile construction from core photos
D.O. Makienko, G.A. Kossov, V.V. Abashkin, I.A. Seleznev, I.V. Safonov
Принято: 2026-08-24
Аннотация
To estimate hydrocarbon reserves and plan production, geologists construct reservoir models that describe lithofacies variations with depth. In carbonate rocks, caverns provide important information about storage capacity and fluid flow potential. Photographs of core samples allow analysis of surface-visible caverns. Segmentation of cavern-like objects in core photographs enables profile construction to identify depth intervals where lithofacies change, reflecting variations in sedimentation conditions and corresponding reservoir properties. Rock heterogeneity, varying imaging conditions, and non-target structures such as fractures and artifacts complicate cavern analysis from photographs. This paper proposes a deep-learning-based workflow for segmentation of cavern-like objects for visualization of the cavernosity profile intended to support lithofacies delineation. The workflow includes semi-automatic annotation preparation for training a deep learning segmentation model. Model training relies on augmented images to account for varying brightness distributions. The segmentation results enable visualization of the depth-dependent profile that qualitatively reflects the distribution of cavern-like objects and may support description and delineation of lithofacies.
Визуализация структур бассейнов аттракторов методом обратных дискретно-диссипативных проекций на примере системы Лоренца
Г. Черных, А. Жукова
Принято: 2026-08-24
Аннотация
Предложен численный метод визуализации структур бассейнов аттракторов динамических систем, определяемых обыкновенными дифференциальными уравнениями. Под структурой понимается любой тип неоднородностей фазового пространства с точки зрения априорно заданных измеряемых характеристик. В основе метода лежит дискретизация исходной математической модели и наблюдение за редукцией дискретных фазовых объемов по мере приближения к аттрактору. Акт наблюдения начинается из начального условия, которому впоследствии сопоставляется числовая характеристика, содержащая информацию о скорости редукции фазового объема, начавшего свою наблюдаемую эволюцию из точки, определенной вышеупомянутым начальным условием. Начальные условия выбираются на двумерной поверхности, представляющей собой некоторую ограниченную область сечения фазового пространства. Визуализация является продуктом отображения полученных числовых характеристик на цвета согласно заданной цветовой палитре и последующего сопоставления с точками выбранной области. Экспериментальная апробация метода осуществлена на примере системы Лоренца, как для случая регулярной динамики, так и при параметрах, соответствующих наличию странного аттрактора. Полученные результаты демонстрируют эффективность метода в том числе в выявлении тонких структур, возникающих в системах, подвергнутых процедуре дискретизации.
Выявление изменений территорий по разновременным аэрокосмическим снимкам с использованием многослойных нейронных сетей
Д.В. Степынин, П.И. Кузин
Принято: 2026-07-06
Аннотация
Одним из элементов процесса актуализации цифровых карт является формирование и обновление объектов путем выявления изменений местности по разновременным высокодетальным аэрокосмическим изображениям. В настоящее время основным способом выявления изменений по высокодетальным аэрокосмическим изображениям по-прежнему остается прямой визуальный анализ разновременных снимков, реализуемый оператором-дешифровщиком наземного комплекса обработки видовой информации, что, в целом, снижает оперативность подготовки цифровых карт. Применение прогрессивных технологий автоматического выявления изменений позволит обеспечить повышение оперативности подготовки цифровых карт, в том числе по разнородным данным дистанционного зондирования (радарная съемка, лазерное сканирование). Методы, основанные на технологиях искусственного интеллекта, в частности – методы глубокого обучения нейронных сетей, показывают значительную «устойчивость», что обусловлено формированием в процессе обучения нейронных сетей наиболее информативных признаков значимых изменений. Предложенная нейронная сеть ResNet-50 и алгоритм реверсивной обработки входных изображений обеспечит более низкую вероятность ошибок первого и второго рода, что дает более высокий показатель индекса Жаккара и более высокую точность локализации границ.
Применение метода конечных элементов для анализа адаптивных преобразований челюстного аппарата рыб
Ю.П. Толмачева, Т.Е. Помойницкая, А.И. Толмачев, А.В. Шматкова, С.А. Зайдес
Принято: 2026-06-24
Аннотация
В работе представлены возможности использования современных подходов визуализации и численного анализа с помощью применения метода конечных элементов для исследования адаптивных деформаций скелета низших позвоночных. Основой для функционального анализа висцерального скелета рыб послужила виртуальная реконструкция данных стоматологического компьютерного томографа в конечно-элементные модели с помощью программных продуктов для инженерного проектирования и моделирования (Femap, Nastran, Patran). В результате визуализации напряженно-деформированного состояния анатомических структур установлено, что их преобразование происходит в местах концентрации максимального напряжения кости и является следствием изменения силовой нагрузки в ходе формирования пищевой стратегии вида. В целом, используемый подход способствует более полному анализу функциональных основ строения и адаптивных преобразований скелета при заданной морфологии конкретного вида.
Mapping the Research Landscape of Depression Detection Using Machine Learning: Trends and Visual Insights
Ginto Chirayath, K. Premamalini, Jeena Joseph, Jobi Babu, F. Vincent Rajasekar
Принято: 2026-03-27
Аннотация
The application of Machine Learning (ML) in detecting depression has seen exponential growth with advancements in artificial intelligence, natural language processing, and biomedical signal analysis. The paper presents a systematic bibliometric study on research on detecting depression with a basis in ML from Scopus-indexed literature between 2008 and 2025. The database with 1,407 documents from 745 sources gives a 26.02% growth rate annually, which reflects growing academic interest in AI-based mental health diagnostics. The study utilizes CiteSpace, VOSviewer, and Biblioshiny in analyzing research trends, leading contributors, networks of collaboration, and thematic evolutions. Journal articles (708), followed by conference papers (644), are predominant in the field, which reflects its dynamic, multidisciplinary character. The research areas are primarily on deep learning, natural language processing, social media-based diagnosis, and detection methods with a basis in EEG. The leading authors, Li Y, and Zhang X, contribute from Chinese institutes predominantly. The leading collaborating nations are the United States, China, and India. Co-citation as well as coupling between bibliographics in research discloses a high level of incorporation between AI with clinical psychiatry, neurology, as well as digital-based healthcare interventions. The trend from traditional classification methods towards models with a basis in transformer models in form of BERT as well as GPT is observed. The thematic mapping discloses a new emergence in terms of mobile-based healthcare application as well as AI-based suicide prediction. The research highlights rapid development in AI in mental healthcare with far-reaching impacts on early detection, distant-based care, as well as ethics in AI development. The research in the future should be directed towards enhancing model interpretation, resolving data privacy issues, as well as improving AI-based mental healthcare in terms of global application.
Color and Material Matching Space Effect Optimization in Soft Decoration Design Based on Computer Image Processing Algorithm
Shan Dan, Wanchun Wang, Qinwei Xu
Принято: 2025-12-13
Аннотация
This study introduces an intelligent optimization method based on computer vision to solve the problem that color and material matching in soft decoration design is highly subjective and lacks quantitative standards. ConvNeXt (Convolutional Next Network) is used to extract the color-material features of the interior space, and a GMM (Gaussian Mixture Model) color database is constructed to quantify the coordination of different color distributions. The PSO (Particle Swarm Optimization) algorithm is used for multi-objective optimization to ensure the balance and visual beauty of color matching. The design scheme is realistically rendered in the Unity platform to simulate the visual effects in the actual environment, and CHI (Color Harmony Index), ECS (Emotional Color Similarity) and MCI (Material Conflict Index) are used to quantitatively evaluate the design effect. The results show that the proposed method is superior to traditional manual design and feature extraction combined with manual design in terms of color harmony, consistency of emotional expression and material adaptability. The average CHI of the proposed design method reaches 0.92, the average ECS is 0.93, and the average MCI is reduced to 0.12, which significantly optimizes the visual coordination and overall aesthetic effect of the soft decoration scheme. The design method in this paper can improve efficiency while ensuring the aesthetics of the design, and provides a feasible quantitative optimization strategy for intelligent soft decoration design.
|
|
|
