Вітаємо!

Раді вітати Вас у електронному репозитарії Національного технічного університету «Харківський політехнічний інститут» (eNTUKhPIIR) ISSN 2409-5982

Репозитарій є одним з елементів інфраструктури відкритої науки НТУ «ХПІ» відповідно до Політик відкритої науки та відкритих освітніх ресурсів в Національному технічному університеті «Харківський політехнічний інститут».

Розміщуєте свої публікації та відкриті освітні ресурси (OER) у репозитарії eNTUKhPIIR, сприяйте підвищенню рейтингу університету

Кількість документів у репозитарії: 93740

Для включення публікацій до репозитарію необхідно:

  1. Ознайомитися з положенням про репозитарій НТУ «ХПІ»
  2. Заповнити форму для передачі матеріалів

Публікації, розміщенні самостійно автором, проходять обов’язкове рецензування.

Інструкція з реєстрації

З усіх питань стосовно електронного репозитарію Національного технічного університету «Харківський політехнічний інститут», звертайтеся:
заступник директора бібліотеки Олена Бреславець, e-mail: olena.breslavec@khpi.edu.ua

Розділи

Виберіть розділ, щоб переглянути його колекції.

Нові надходження

  • Ескіз
    Тип елементу:Документ,
    Теоретичні основи стратегій розвитку країн зі зростаючим ринком та фактори, що на них впливають
    (Національний технічний університет "Харківський політехнічний інститут", 2025) Терещенко, А. В.
  • Ескіз
    Тип елементу:Документ,
    Визначення параметрів функції втрат для задачі апкросимації динамічних характеристик обертових елементів механічних структур методами машинного навчання
    (Національний технічний університет "Харківський політехнічний інститут", 2025) Гаркуша, Владислав Юрійович; Мартиненко, Геннадій Юрійович
  • Ескіз
    Тип елементу:Документ,
    Алгоритм автоматичного створення маски сегментації для виявлення біологічних об'єктів
    (Національний технічний університет "Харківський політехнічний інститут", 2025) Коваленко, Антон Сергійович; Северин, Валерій Петрович
    У статті представлено метод автоматичного створення масок сегментації для біомедичних зображень, що забезпечує значне зменшення трудомісткості ручної анотації та підвищення відтворюваності підготовки даних. Запропонований підхід поєднує адаптивну порогову обробку з коефіцієнтами матриці Гаусса, морфологічні операції та геометричну фільтрацію контурів за площею та коефіцієнтом округлості. Така комбінація дозволяє ефективно виділяти клітинні структури за умов нерівномірного освітлення, шуму та низького контрасту, що є типовими проблемами мікроскопічних зображень. Метод протестовано на наборі даних BBBC030v1, який містить 60 зображень клітин яєчників китайського хом’яка. Для кожного зображення автоматично створена маска порівнювалась із наданою ground truth-анотацією за допомогою коефіцієнта Дайса. Отримано середнє значення 0,8954, медіану 0,9013 та стандартне відхилення 0,0254, що свідчить про високу точність та стабільність методу. Вузький міжквартильний розмах (IQR = 0,0215) підтверджує рівномірність роботи алгоритму на більшості зразків, тоді як поодинокі викиди (0,80–0,85) пов’язані з нетиповими або низькоконтрастними зображеннями. Загальний результат демонструє, що класичний підхід сегментації без використання нейронних мереж може досягати якості, співставної з ручною розміткою експерта. Для перевірки практичної придатності згенерованих масок вони були використані для навчання нейронної мережі U-Net для задачі сегментації. Порівняння з тренуванням на реальних масках показало майже однакові результати (0,9036 проти 0,9037), що підтверджує можливість повної або часткової заміни ручної анотації автоматичним підходом. Розроблений метод може бути застосований для прискорення підготовки великих біомедичних наборів даних та інтеграції у системи підтримки прийняття рішень у цитології, гістології та інших галузях біомедицини. The article presents a method for automatically creating segmentation masks for biomedical images, which significantly reduces the laboriousness of manual annotation and increases the reproducibility of data preparation. The proposed approach combines adaptive thresholding with Gaussian matrix coefficients, morphological operations, and geometric filtering of contours by area and roundness coefficient. This combination allows for effective separation of cellular structures under conditions of uneven illumination, noise, and low contrast, which are typical problems of microscopic images. The method was tested on the BBBC030v1 dataset, which contains 60 images of Chinese hamster ovary cells. For each image, the automatically created mask was compared with the provided ground truth annotation using the Dice coefficient. The average value was 0.8954, the median was 0.9013, and the standard deviation was 0.0254, which indicates high accuracy and stability of the method. The narrow interquartile range (IQR = 0.0215) confirms the uniformity of the algorithm's performance on most samples, while single outliers (0.80–0.85) are associated with atypical or low-contrast images. The overall result demonstrates that the classical segmentation approach without the use of neural networks can achieve quality comparable to manual expert labeling. To verify the practical suitability of the generated masks, they were used to train the U-Net neural network for the segmentation task. Comparison with training on real masks showed almost identical results (0.9036 vs. 0.9037), which confirms the possibility of full or partial replacement of manual annotation by an automatic approach. The developed method can be applied to accelerate the preparation of large biomedical datasets and integration into decision support systems in cytology, histology and other fields of biomedicine.
  • Ескіз
    Тип елементу:Документ,
    Application of software complexes in teaching mathematics in distance education
    (Харківський національний університет імені В. Н. Каразіна, 2024) Smetankina, Natalia; Misiura, Ievgeniia; Misiura, Serhii
    The issue of organizing the process of teaching mathematics in educational institutions in the conditions of distance learning has been studied. Extended use of mathematical services is proposed.
  • Ескіз
    Тип елементу:Документ,
    Інноваційні підходи до розвитку маркетингу в готельному бізнесі : виклики та перспективи
    (Національний технічний університет "Харківський політехнічний інститут", 2025) Мартинова, Вікторія Вікторівна; Мізіна, К. С.