Всем привет 👋🏼
Спешим сообщить, что Научно-исследовательский семинар ЛабПЦТ (далее НИС ПЦТ) начинает свою работу 24.09, в ср в 10.50, ауд. 5251.

В этом году семинар будут вести я, @Yana_Fedotova и Игорь Тагильцев, @Gannitgl. На первом семинаре обсудим оргвопросы и немного поговорим про проекты в ЛабПЦТ)

Просьба всем, кто собирается посещать семинар, заполнить табличку. Вход на семинар по спискам😎 Прошу заполнить до пн:)

📌Анонс семинара Лаборатории 1 октября (10.50 в 407 КПА):

Уравнения в частных производных являются основой моделирования многих физических процессов, однако их численное решение часто требует значительных вычислительных ресурсов. В последние годы для решения подобных уравнений активно применяются физически-информированные нейронные сети (ФИНС), интегрирующие физические законы в процесс обучения. Несмотря на эффективность, ФИНС имеют ряд ограничений, связанных с обучением на сложных геометриях и ограниченной способностью к обобщению.


📝 Трансформерные модели PINTO для неожиданных геометрий

В работе рассматривается использование архитектуры трансформеров в составе физически-информированных моделей для решения задачи обобщения геометрии. В ходе работы для достижения этого был модифицирован Physics-Informed Transformer Neural Operator (PINTO). В отличие от классических подходов, PINTO способен обобщать решения УЧП на новые начальные и граничные условия, отсутствовавшие на этапе обучения. Использование трансформерной модели для предсказания решений уравнений в частных производных на ранее не наблюдаемых геометриях – направление, особенно актуальное для задач суррогатного моделирования и аэродинамического проектирования, где требуется быстрый прогноз характеристик потока при изменении формы препятствий без необходимости повторного переобучения модели.

📣 Виктория Святкина


📝 Исследование применимости архитектур Колмогорова-Арнольда для решения дифференциальных уравнений в рамках технологии ФИНС

Данная работа посвящена исследованию применения новой архитектуры нейронных сетей — сети Колмогорова-Арнольда (KAN) — для решения дифференциальных уравнений в частных производных в рамках технологии ФИНС. В отличие от традиционно используемых в ФИНС многослойных перцептронов (MLP), архитектура KAN потенциально предлагает преимущества в виде лучшей интерпретируемости, меньшего количества параметров и более высокой скорости сходимости. В рамках исследования проводится сравнительный анализ эффективности KAN и MLP на ряде тестовых задач, оценивая такие ключевые показатели, как точность решения, скорость достижения решения, вычислительная стоимость обучения и сложность моделей.

📣 Михаил Матушкин

📝 Решение задач газодинамики с помощью ФИНС

Классические подходы к решению задач газодинамики, несмотря на свою мощь, сталкиваются с фундаментальными вызовами: «проклятие размерности», трудоемкость построения расчетных сеток и сложность интеграции экспериментальных данных. В качестве альтернативы мы исследуем метод ФИНС. Были проведены эксперименты на тестовой задаче Прандтля - Мейера для проверки применимости ФИНС в задачах газовой динамики.

📣 Дарья Пенкина


📝 Моделирование кровотока в аорте с использованием физически-информированных нейронных сетей

Физически-информированные нейронные сети представляют собой перспективный метод для решения сложных гидродинамических задач, однако их эффективность в моделировании кровотока в аорте со сложной геометрией остаётся малоизученной. В данной работе предпринята попытка применить ФИНС для моделирования потока крови в реалистичной геометрии аорты. Для моделирования используются различные архитектуры, обучаемые на основе уравнений Навье-Стокса.

📣 Илья Верхотуров

📌Анонс семинара Лаборатории 8 октября (10.50 в 407 КПА):

📝 Решение спектральных задач с применением ФИНС

Задачи нахождения собственных значений и соответствующих собственных функций дифференциальных операторов широко распространены в различных прикладных областях. На сегодняшний день разработан ряд численных методов, способных эффективно решать подобные задачи. Однако остаётся актуальной потребность в более ресурсоэффективных подходах к вычислению собственных значений. В работе рассматривается возможность применения физически-информированных нейронных сетей (ФИНС) для решения спектральных задач. Предложен новый метод, основанный на возможностях параметризации ФИНС, для построения решений. Проведена предварительная проверка работоспособности данного метода, в ходе которой продемонстрирована способность локализовывать собственные значения в заданном интервале, а также аппроксимировать соответствующие собственные функции.

📣 Данил Касьянов



📝 Методы компьютерного зрения и персонализированного CFD моделирования в сердечно-сосудистой хирургии

Начнем цикл докладов про исследования в ЛабПЦТ, связанные с биомедициной💊

📣 Яна Федотова

📌Анонс семинара Лаборатории 22 октября (10.50 в 407 КПА):

📝 Разработка гибридной нейронной сети для построения центральной линии аорты

Классические алгоритмы извлечения центральной линии сосудов, основанные на геометрических и топологических методах, имеют ряд недостатков. В качестве альтернативы предлагается гибридный нейросетевой алгоритм, объединяющий сверточные и графовые слои для совместного решения задач сегментации аорты и выделения её центральной линии на трёхмерных КТ-снимках. Текущие исследования направлены на создание универсального алгоритма, способного восстанавливать центральную линию в сосудах со сложной топологией.

📣 Кирилл Кириллов

📝 Алгоритм оценки лохматости просвета брюшной аорты с учетом области бифуркации аорты

Высокая частота неблагоприятных клинических исходов связана не только с естественным течением аневризмы, но и с возможными тромбоэмболическими осложнениями при оперативном вмешательстве на брюшной аорте. Данный вид осложнений встречается с частотой 11-14% и, как правило, требует последующих
повторных оперативных вмешательств, что существенно усугубляет течение послеоперационного периода с увеличением риска летального исхода и инвалидизации пациента. В данном контексте врачи хирурги всё больше внимания уделяют нерегулярности границ внутреннего просвета аорты (“лохматая” аорты), которая образуется благодаря тромботическим массам внутри аорты. Предполагается, что степень выраженности «лохматости» может служить предиктором риска тромбоэмболических осложнений при эндоваскулярном протезировании аневризм брюшной аорты (EVAR) и помогать в предоперационном планировании. Разработанный алгоритм позволяет количественно оценивать лохматость просвета патологически изменённой аорты с учётом трёхмерной морфологии её внутренней поверхности. Также будет представлен алгоритм сшивки трубчатых тел, предназначенный для восстановления целостной трёхмерной модели аорты.

📣 Иван Шишмаков

📝 Персонализированное моделирование гемодинамики аневризмы брюшной аорты: влияние модели реологии крови

Аневризма брюшной аорты (АБА) – опасная патология, характеризующаяся локальным расширением стенки сосуда. Современные методы оценки риска ее разрыва, основанные преимущественно на максимальном диаметре, не всегда надежны. Перспективным направлением является пациент-специфичное CFD-моделирование гемодинамики, однако результаты таких расчетов зависят от множества факторов, в том числе и от выбора реологической модели крови. Данное исследование направлено на количественный анализ чувствительности ключевых гемодинамических параметров к выбору модели реологии в персонализированных CFD-расчетах.

📣 Алена Козюрина

📌Анонс семинара Лаборатории 29 октябя (10.50 в 308‼ КПА):

📝 Математическое моделирование гемодинамики мозга в норме и при патологии.

В настоящий момент сосудистые заболевания головного мозга представляют собой серьезную проблему, требующую разработки новых методов диагностики и лечения. Традиционные подходы, основанные на исследованиях in vivo и in vitro, зачастую дорогостоящи и ограничены в масштабах, поэтому создание математических моделей
сосудистой системы головного мозга, описывающих процессы
гемодинамики и перфузии, является актуальной задачей.

В существующих подходах к моделированию кровотока редко учитывается процесс оксигенации и фильтрации сосудов, несмотря на то, что ткани мозга подвергаются некрозу при патологиях, оказывающих влияние на насыщение кислородом. В данной работе представлена гемодинамическая модель для описания процесса оксигенации тканей, опирающаяся на введенное понятие пористости сосуда, зависящее от типа патологии.

📣 Варвара Заволокина

📝 Виртуальная ангиография: моделирование распространения контрастного вещества в аорте.

Современная диагностика патологий брюшной аорты сильно полагается на данные компьютерной томографической ангиографии (КТА). Однако интерпретация результатов КТА и оценка гемодинамических рисков часто носят субъективный характер. Данное исследование направлено на разработку виртуальной ангиографии - персонализированной CFD-модели, точно воспроизводящей распространение контрастного вещества в кровотоке аорты в различные фазы исследования. В частности, это позволит решить задачу минимизации медикаментозной нагрузки на пациента за счет точного определения минимальной достаточной дозы контрастного вещества и разаработать метод валидации персонализированного моделирования кровотока.

📣 Евгений Шуклин

📝 Vascular Deformation Mapping: анализ локальных деформаций стенки аневризмы аорты с помощью нейронных сетей.

В клинической практике динамику роста АБА принято оценивать по изменению её максимального диаметра. Несмотря на простоту, этот подход является недостаточно информативным для качественного мониторинга. Он не отражает пространственные тренды роста и слабо коррелирует с риском разрыва. Кроме того, из-за ручного характера измерений возможна погрешность до 5 мм. Всё это создаёт потребность в инструменте, способном точно и автоматически оценивать динамику развития АБА.
Перспективным решением этой задачи являются алгоритмы на основе регистрации медицинских изображений. Технология Vascular Deformation Mapping (VDM) позволяет количественно оценить скорость роста аневризмы и спрогнозировать развитие патологии. В докладе будут рассмотрены классические и нейросетевые подходы к реализации VDM, представлены результаты их сравнения и описаны дальнейшие планы развития проекта в лаборатории ПЦТ.

📣 Иван Роздин

📌Анонс семинара Лаборатории 12 ноября (10.50 в 407 КПА):

📝 Влияние очистки памяти на динамику обучения в задачах с частичной наблюдаемостью.

Задачи, основанные на частично наблюдаемых марковских процессах (POMDP), характеризуются ограниченностью информации о состоянии среды. Это особенно актуально для робототехнических систем, где агент опирается лишь на данные от базовых сенсоров.
Основная трудность заключается в необходимости поддержания агентом внутренней "памяти", важной для принятия решений, при этом остаётся непонятно, какая часть накопленной информации действительно полезна. В современных нейросетевых архитектурах наблюдается тенденция к избыточному росту памяти и вычислений без анализа внутреннего состояния модели.
В проекте рассматривается подход к фильтрации внутренней памяти агента, направленный на удаление нерелевантной информации и повышение эффективности обучения в условиях POMDP.

📣Беспалов Сергей

📝Разработка метода ускорения генерации текста в больших нейросетевых моделях языка.

Современные методы генерации текста, основанные на авторегрессионных моделях, обладают высокой вычислительной сложностью из-за необходимости последовательного вывода токенов. В данной работе предлагается метод неавторегрессионной генерации, использующий прото-токены – обучаемые векторы, которые позволяют генерировать целый текст за один шаг. Модели на основе скрытых возможностей LLM обучаются эффективно представлять всю необходимую информацию о тексте в сжатой форме, что снижает вычислительные затраты на вывод. Основная гипотеза работы заключается в том, что такой подход может обеспечить конкурентоспособное качество генерации с значительно меньшими задержками, а также повысить устойчивость к изменениям в распределении данных. В ходе исследования будет проведено несколько фаз экспериментов, направленных на изучение свойств прото-токенов, адаптацию метода для инструкционных задач и разработку энкодера для предсказания параметров генерации. Ожидается, что метод покажет существенные преимущества по скорости работы, сохраняя при этом качество текстовых выводов.


📣Федор Тикунов

📝 Разработка алгоритма кроссмодального поиска знаний для повышения эффективности генерации высказываний в мультиагентных диалоговых системах.

Актуальность темы обусловлена растущей потребностью в мультимодальных диалоговых системах, для эффективной работы которых необходимы алгоритмы поиска знаний.
Цель работы — разработка алгоритма поиска и интеграции знаний из различных модальностей (текст, изображения и аудио) для повышения релевантности ответов диалоговых систем.
В ходе работы была разработана комбинированная стратегия кроссмодального сопоставления данных в унифицированном векторном пространстве мультимодальных данных, включающей совместное внимание ко всем модальностям и применение «трансформеров» для выявления скрытых связей между ними.

Полученные результаты могут быть применены в разработке интеллектуальных ассистентов, системах поддержки клиентов, виртуальных консультантов и иных платформ, требующих интеграции информации из различных модальностей для обеспечения более глубокого и естественного взаимодействия с пользователем.
📣 Михаил Кулаков

📌Анонс семинара Лаборатории 19 ноября (10.50 в 407 КПА):

📝Разработка механизма долговременной памяти для нейросетевых моделей языка на основе динамического графа знаний.

В работе рассматривается подход к формированию долговременной памяти для больших языковых моделей (LLM) на основе динамически обновляемого графа знаний. Цель исследования — разработать механизм, который позволяет извлекать из диалогов с пользователем ключевые сущности и отношения между ними, формировать на их основе графовую структуру знаний и актуализировать её в процессе общения. В рамках проекта предлагается метод идентификации терминов и понятий, выделения семантических связей, а также алгоритм обновления графа, учитывающий новые сведения, уточнения и возможные противоречия. Разработанная система позволяет LLM опираться на накопленный контекст взаимодействий, улучшая персонализацию, согласованность ответов и способность к долгосрочному сопровождению пользователя. Представлена архитектура решения, прототип программной реализации и результаты экспериментального исследования поведения модели с подключенной памятью.

📣Глеб Тимофеев


📝 Разработка методов автоматизации формирования базы знаний для нейросетевых диалоговых систем с внешней памятью.

ИИ-помощники активно интегрируются в различные сферы жизни, и для их стабильной работы необходимы актуальные и структурированные данные. Особенно критично это в образовательной сфере, где абитуриентам, студентам и сотрудникам необходима точная и актуальная информация о вузе. В работе планируется автоматизировать формирования базы знаний через пайплайн обработки разрозненных данных из веб-источников и документов. Система будет обеспечивать поэтапный сбор, фильтрацию, суммаризацию и структурирование информации с контролем промежуточных результатов и интеграцией ML-моделей для оценки релевантности контента.

📣Алексей Алексеев


📝 Методы фильтрации и автоматической оценки ответов в интерактивных RAG системах.

Актуальность темы обусловлена необходимостью разработки надежных, точных и безопасных RAG-систем для предоставления информации в предметно-ориентированных доменах. Эффективность таких систем требует тщательной фильтрации входящих и генерируемых ответов, а также создания автоматизированных бенчмарков, способных оценить релевантность, корректность и устойчивость системы к некорректным запросам и нежелательным ответам.
В ходе работы был разработан бенчмарк для автоматической оценки качества и безопасности RAG системы. Он включал метрики лексического, семантического совпадения, а также технику LLM as judge. Для обеспечения безопасности были разработаны специализированные фильтры токсичности и неприемлемого контента, эффективность которых проверялась отдельным бенчмарком, основанным на вопросах, требующих корректного уклонения от ответа.
Несмотря на достижение целевых показателей по внутренним метрикам, традиционный оценочный фреймворк демонстрирует ограниченную корреляцию с реальной эффективностью системы при взаимодействии с конечным пользователем. Поэтому необходима модернизация с использованием последних подходов и методов, включая полноценные фреймворки и агентные системы, способные автоматизировать тестирование системы в условиях, максимально приближенных к реальной эксплуатации.

📣 Прокопенко Всеволод

📌Анонс семинара Лаборатории 26 ноября (10.50 в 407 КПА):

📝Анализ алгоритмов пословного выравнивания параллельных корпусов на материале русско-английской языковой пары.

"В работе рассматривается задача автоматического пословного выравнивания для русско-английской языковой пары. Для решения этой задачи был создан эталонный набор данных RNC_EnRu_Aligned, состоящий из 881 пары предложений, извлеченных из Национального корпуса русского языка и выровненных вручную. На материале RNC_EnRu_Aligned были протестированы пять алгоритмов, охватывающих разнообразные подходы к решению задачи: статистические алгоритмы fast-align и eflomal, а также три алгоритма машинного обучения, опирающиеся на предобученные языковые модели: обучаемый без учителя AwesomeAlign и обучаемые с учителем AccAlign и BinaryAlign. Лучшего качества выравнивания (F-мера: 0,897, Alignment Error Rate: 0,098) удалось добиться при помощи алгоритма BinaryAlign на базе языковой модели XLM-RoBERTa-large с обучением в два этапа: сперва на многоязычном наборе данных ALIGN6, а затем на целевом корпусе. Разработанная модель будет в дальнейшем интегрирована в функционал Национального корпуса русского языка для автоматизации разметки параллельных текстов.

📣Полина Сныткина

📝 Разработка методов глубокого машинного обучения для поиска делеций с учётом контекста генома.

Поиск мутаций в геномах — одна из центральных задач современной генетики. В докладе будет разобран один из нейросетевых подходов для поиска специального подкласса мутаций — делеций. В частности, будет рассмотрена предварительная модификация алгоритма DeepSV, направленная на улучшение качества детекции за счёт включения дополнительного контекста генома. Такой подход позволяет передавать модели информацию о повторных регионах, регуляторных элементах и других контекстно зависимых паттернах ДНК, что теоретически может повысить точность обнаружения делеций. В докладе будут обсуждаться архитектура преобразования и предварительные результаты сравнения с оригинальной версией DeepSV.

📣Игорь Новиков


📝 Внедрение методов искусственного интеллекта для анализа PIV экспериментов.
В работе затрагивается исследование применимости нейросетевых алгоритмов для определения параметров турбулентных течений. На сегодняшний день существует очень мало работ, где проверяется работоспособность нейросетевых алгоритмов на данных, полученных экспериментальным путём. Экспериментальные данные представляют собой наиболее сложный объект исследования из-за отсутствия точной разметки и разнообразия характеристик течений. В рамках работы было проведено обучение алгоритмов на синтетических данных, тестирование для сравнения метрик с результатами из научных работ, адаптация экспериментальных данных для обработки сетью, а также реализация алгоритма предварительного сдвига, который существенно повлиял на уменьшение ошибки предсказаний. Результат работы заключается в повышении пространственного разрешения предсказанного векторного поля скоростей, который достигается предлагаемым нейросетевым методом относительно традиционных алгоритмов.

📣 Андрей Квас

📌Анонс семинара Лаборатории 3 декабря (10.50 в 407 КПА):

📝Геометрически инвариантные нейрооператоры для решения УЧП.

Задача физически информированной нейронной сети - выучить функцию, которая будет являться решением заданного уравнения в частным производных (УЧП). Данный способ имеет свои ограничения, так как даже маленькое изменения условий задачи может привести к сильному изменения решения. Для преодоления этой проблемы разрабатываются нейронные операторы. Их цель — выучить сам оператор, а не конкретную функцию, что позволяет покрыть целое пространство функций и обобщать решения. Однако такие операторы сталкиваются со сложностями при работе с нестандартными геометриями, характерными для большинства современных инженерных задач.
В рамках данной работы планируется реализовать и сравнить существующие архитектуры нейронных операторов, созданные для работы со сложными геометриями, разработать генераторы для сложных геометрический и предложить улучшенные архитектуры для решения УЧП на сложных сетках.

📣Тимофей Долгов


📝 Решение спектральных задач с применением ФИНС.

В работе исследуется применение физически-информированных нейронных сетей (ФИНС) для решения спектральных задач. Анализ показал, что современные ФИНС-подходы требуют сложной настройки, что снижает их эффективность. Для преодоления этого недостатка разработан альтернативный метод, использующий способность ФИНС работать с параметризованными уравнениями. Предложенный подход показал свою состоятельность, однако в ходе его проверки были обнаружены определенные ограничения. Текущая работа сосредоточена на их устранении.

📣 Александр Некряч

📝 Решение обратных задач при помощи ФИНС.

Обратные задачи для дифференциальных уравнений требуют восстановления неизвестных параметров или целого уравнения из ограниченных и, возможно, зашумлённых экспериментальных данных, что делает численные методы вычислительно сложными и очень чувствительными к шуму. В качестве альтернативы рассматривается использование ФИНС для восстановления уравнения и решения на основе экспериментальных данных. Были проведены эксперименты по восстановлению одномерного уравнения теплопроводности с применением классического ФИНС и DG-PINN подходов.

📣 Савватей Степанов

📌Анонс семинара Лаборатории 10 декабря (10.50 в 407 КПА):

📝Автоматизация подбора научной литературы при составлении обзора предметной области

Объём научных публикаций растёт экспоненциально, и традиционные поисковые системы (даже такие мощные, как Google Scholar) уже не справляются с задачей полного охвата релевантной литературы. В результате исследователь всё чаще сталкивается с неполными обзорами и пропущенными ключевыми работами.
Из этой проблемы естественно рождается задача автоматической рекомендации цитирований - в первую очередь для уже готовых статей с черновым обзором литературы и неполным списком ссылок. В докладе рассматриваются современные подходы к решению именно этой задачи.

📣Андрей Одегов

📝 Сравнительный анализ автоматических метрик оценки качества машинного перевода.

Несмотря на активное развитие методов машинного перевода и широкое внедрение больших языковых моделей, объективная оценка качества перевода остаётся сложной и многогранной задачей. Существующие автоматические метрики существенно различаются по принципам работы, чувствительности к семантическим расхождениям и степени корреляции с человеческими оценками. В данной работе проводится систематический сравнительный анализ современных автоматических метрик, включая как классические, так и нейросетевые подходы, а также рассматривается возможность их улучшения с использованием больших языковых моделей для повышения согласованности с оценками человека.

📣Никита Требушинин

📝 Онлайн оптимизация ПИД регулятора в закрытом контуре технологического процесса

В работе рассматривается проблема настройки промышленных ПИД-регуляторов без необходимости остановки производства и размыкания контура управления. Традиционные методы настройки часто требуют вмешательства в технологический процесс, что приводит к простоям и снижению эффективности. В докладе предлагается двухэтапный подход: идентификация параметров физической модели объекта (FOPDT — модель первого порядка с запаздыванием) на основе исторических данных закрытого контура и последующая оптимизация коэффициентов регулятора через симуляцию. Для решения задач идентификации и поиска оптимальных настроек используется метод имитации отжига. Результаты тестирования демонстрируют снижение ошибок и улучшение качества регулирования в среднем на 40–50%.

📣Дмитрий Хамутский


📝 Техники параметрической оптимизации формы на основе бессеточных методов.

Структурная оптимизация играет ключевую роль в проектировании изделий, поскольку определяет оптимальные размеры, форму и топологию конструкции. Оптимизация формы остаётся одним из наиболее активно исследуемых направлений с 1970-х годов. Традиционные параметрические методы, основанные на FEM и BEM (методах конечных и граничных элементов), сталкиваются с проблемами искажения, частого перестроения сетки и снижением точности при больших изменениях формы.

Бессеточные методы (Meshless Methods, MMs) позволяют избежать этих ограничений и последние два десятилетия активно применяются в задачах оптимизации формы совместно с различными алгоритмами оптимизации. В работе представлен обзор современных подходов к параметрической оптимизации формы, основанных на методах EFG и RKPM (Галеркина без элементов и воспроизводящих ядерных частиц), применяемых к задачам линейной упругости, термоупругости, гиперупругости, контактного трения и динамики конструкций.

📣Виктория Святкина

📝Вариационный подход к оптимизации топологии

В работе предлагается новый метод топологической оптимизации, основанный на идее биологического роста, при котором процессы роста инициируются при высокой механической нагрузке. Для описания эволюции структуры вводится параметр жесткости, выступающий в роли внутренней переменной. На основе принципа минимума диссипативного потенциала выводятся уравнения, определяющие изменение этого параметра во времени. Чтобы устранить проблему появления «шахматных» артефактов в численных решениях, применяется регуляризация на основе свободной энергии Гельмгольца. Эффективность подхода демонстрируется на ряде двух- и трёхмерных численных примеров.

📣Даниил Касьянов

📌Анонс семинара Лаборатории 17 декабря (10.50 в 407 КПА):

❗️Не забудьте принести свои зачетки:)

📝Применение свёрточных нейронных сетей в агропромышленности.

Актуальной хозяйственной задачей является оперативный учёт и анализ состояния агрокультур в условиях интенсивного тепличного производства. В частности, важной проблемой остаётся автоматизированное детектирование плодов огурцов с последующей идентификацией аномалий их формы, что напрямую влияет на качество продукции и логистику.

Традиционные методы компьютерного зрения, применяемые для подобных задач, часто сталкиваются с вызовами в условиях сложной тепличной среды: изменчивое освещение, частые окклюзии (перекрытия плодов), а также необходимость точной сегментации объектов со схожей текстурой и цветом.

В данном докладе представлен подход, основанный на современных методах глубокого обучения для детекции и классификации визуальных данных. Основное внимание уделено процессу создания качественного размеченного датасета.

📣Иван Радько


📝Анализ применимости дообученных больших языковых моделей для задач автоматической морфемной сегментации.

Автоматическая морфемная сегментация остаётся сложной задачей для языков с богатой морфологией из-за падения качества на словах с неизвестными корнями. Современные CNN-, LSTM- и BERT-подходы демонстрируют прогресс, однако проблема обобщения остаётся нерешённой. Недавние работы показывают, что отдельные большие языковые модели могут превышать качество специализированных сегментаторов, хотя их нестабильность ограничивает применение. Также отмечено, что для близкородственных языков возможен результативный zero-shot-перенос, что важно для языков с ограниченными ресурсами.

В докладе обсуждаются существующие методы и их устойчивость к OOV-корням, а основное внимание уделяется применимости дообученных LLM. Планируется экспериментальное развертывание и пробное дообучение небольшой открытой модели.

📣Александр Фомин

📝Деформируемая регистрация временных серий КТ-изображений аневризмы брюшной аорты.

В клинической практике динамику роста АБА принято оценивать по изменению её максимального диаметра. Несмотря на простоту, этот подход является недостаточно информативным для качественного мониторинга. Он не отражает пространственные тренды роста и слабо коррелирует с риском разрыва. Кроме того, из-за ручного характера измерений возможна погрешность до 5 мм. Всё это создаёт потребность в инструменте, способном точно и автоматически оценивать динамику развития АБА.

Перспективным решением этой задачи являются алгоритмы на основе регистрации медицинских изображений. Технология Vascular Deformation Mapping (VDM) позволяет количественно оценить скорость роста аневризмы и спрогнозировать развитие патологии. Доклад посвящён методологии VDM, описанию классических и нейросетевых подходов, а также планам по её развитию в рамках проекта лаборатории ПЦТ.
📣Иван Роздин