Поиск

Основные функции программы включают: Обратная трансляция аминокислотной последовательности с оптимизацией кодонного состава под определённый организм. Оптимизация кодонного состава входной нуклеотидной последовательности. Исключение определённых сайтов рестрикции и/или сплайсинга и/или пользовательских мотивов из нуклеотидной последовательности. Разбиение нуклеотидной последовательности на олигонуклеотиды для последующей сборки одним из методов: Polymerase Cycling Assembly (PCA), Thermodynamically Balanced Inside-Out (TBIO). Разбиение нуклеотидной последовательности на длинные блоки для последующей сборки одним из методов: Gibson assembly, Overlap extension PCR. Клонирование одного или нескольких фрагментов в плазмиду одним из методов: Gibson assembly, Gateway.

Анализ сейсмического поля без учета скважин (без обучения). - Построение карт сейсмофаций (сейсмоклассов) на основе классификации с использованием 1D,2D или 3D нейронных сетей Кохонена с RGB визуализацией; - Выделение разломов и трещиноватости на основе алгоритма DTW; - Прослеживание разломов на основе нового алгоритма имитации разломным нарушений с использованием многократных локальных стрессов; - Выделение факторов на основе ортогонального разложения сейсмического поля; - Выделение особенностей сейсмического поля на основе RGB изображений соседних стратиграфических слайсов сейсмического поля или атрибутов. Анализ сейсмического поля c учетом скважин (с обучением). Прогноз карт эффективных толщин - на основе линейной регрессии; - на основе нелинейной регрессии ACE; - на основе нелинейной регрессии Random Forest; - на основе нейронных сетей Кохонена; - на основе классических нейронных сетей; - на основе нейронных сетей нового поколения Колмогорова; - многократный прогноз с удалением части скважин и построение карт P10, P50, P90, среднее, стандартное отклонение. Прогноза куба эффективных параметров по набору исходных кубов и скважинных измерений - на основе линейной регрессии; - на основе классических нейронных сетей; - на основе нейронных сетей нового поколения Колмогорова; - Нейросетевой прогноз низкочастотной модели и ее использование; - Нелинейный прогноз кубов упругих параметров AI, Vp/Vs, RHOB по угловым суммам; - Прогноз кубов ФЭС по кубам инверсии или по угловым суммам; - Прогноз геомеханических кубов (скорость Vs, модуль Юнга, отношение Пуассона …); - Прогноз куба порового давления; - Прогноз кубов литофаций; - многократный прогноз с удалением части скважин и построение кубов P10, P50, P90, среднее, стандартное отклонение. Анализ скважинных данных. - Прогноз кривых (параметров керна) по набору каротажей; - на основе линейной регрессии; - на основе классических нейронных сетей; - на основе нейронных сетей нового поколения Колмогорова; - многократный прогноз с удалением части скважин и построение кривых P10, P50, P90, среднее, стандарт; - классификация каротажных кривых 1D, 2D, 3D Kohonen; - карты на основе классификации каротажных кривых по их форме – электрофации. Программные продукты IPLab основаны на использовании: - Нового поколения нейронных сетей на основе полнофункциональных нейронов Колмогорова с инновационным гибридным обучением; - сейсмической инверсии по полным, угловым и азимутальным суммам; - анализа трещиноватости по сейсмическим данным. В качестве основного алгоритма прогноза продуктивности используются нейронные сети нового поколения на основе нейронов Колмогорова с полнофункциональными активационными функциями, что будет обеспечивать высокую степень свободы нелинейного оператора прогноза. Обучение нейронных сетей и их стабилизации основана на комбинации генетических алгоритмов, градиентных методов и регуляризации. Такой метод позволяет использовать на входе разномасштабные и разно точные данные для прогноза эффективных параметров добычи нефти и газа. Кроме этого, мы используем несколько специальных приемов (know-how) для такого прогноза, связанных с использованием пространственного распределения исходных данных (распределение сейсмическое поля вокруг точки прогноза) и учета многофакторной природы данных добычи. На основе нашего опыта, это существенно повышает качество прогноза. Для выделения зон трещиноватости и скрытых разломов по 3D сейсмическим данным применяются специальные алгоритмы искусственного интеллекта. Применение алгоритмов машинного обучения (Machine learning) позволяет гораздо эффективнее решать подобную задачу. В настоящее время мы готовим патентную заявку и имеется работающий прототип плагина. Сравнение результатов выделения зон трещиноватости и скрытых разломов на основе различных технологий и нашего подхода, показывает большую разрешающую способность и эффективность. Программный пакет IP_Seismic имеет возможность прямого импорта/экспорта данных из/в ПО Petrel (Шлюмберже). С другими программными пакетами, такими как Kingdom (S&P Global), Landmark (Halliburton), Paradigm (AspenTech) и т.д. обмен идет через файлы: сейсмика и ее производные через SEG-Y, скважины через LAS-формат и горизонты через текстовые файлы, что тоже очень удобно.

Обработка данных дистанционного зондирования Земли, полученных радиолокаторами с синтезированной апертурой антенны, с использованием нейронных сетей и корреляционных методов обработки. PHOTOMOD Radar Neuro содержит набор программных средств для распознавания объектов на радиолокационных изображениях в автоматизированном режиме с участием оператора Программное обеспечение позволяет автоматизировать процесс поиска и классификации объектов на радиолокационных снимках посредством использования нейросетевых и корреляционных технологий, тем самым снизив нагрузку на оператора-обработчика. Перед обработкой радиолокационные данные должны быть обязательно конвертированы во внутренний формат PHOTOMOD Radar при помощи модуля импорта/экспорта и поддержки форматов данных. Блок обнаружения Обнаружение набора объектов, присутствующих на амплитудном или комплексном радиолокационном изображении (или серии изображений) и определение их географических координат нейросетевым методом. Редактор эталонов Формирование синтетических эталонных изображений объектов. Коррелятор эталонов Анализ радиолокационных изображений и поиск интересующих объектов по их эталонным изображениям корреляционным методом. Блок разметки Разметка радиолокационных изображений с целью формирования обучающих выборок для нейронной сети, основанных на реальных данных. Блок обучения Обучение нейронной сети, в ходе которого сеть выявляет сложные зависимости между входными и выходными данными и выполняет их обобщение.

Кроссплатформенное программное обеспечение для создания моделей структуры материалов путем поиска и распознавания объектов нейросетевыми алгоритмами. Принцип работы программы: пользователь размечает объекты интереса на изображении, создает обучающую выборку и отправляет модель на обучение. Полученные в SIAMS AIM модели могут использоваться в методиках анализа изображений, в том числе и в программе SIAMS 800. Клиент-серверная архитектура программы обеспечивает возможность командной работы посредством настройки прав и ролей доступа для одновременной работы с проектом. Возможна удаленная работа в программе специалистов из любой географической точки. Для работы им потребуется только устройство с веб-браузером. ПО SIAMS AIM адресовано широкому кругу пользователей и не требует навыков программирования и специальных знаний. Интуитивно понятный интерфейс и рекомендации разработчиков позволяют освоить навык самостоятельного обучения нейросети для распознавания объектов на микроскопных изображениях.

Pirogov.AI устанавливает экспертный диагноз по ото, рино и ларинго эндоскопическим фото и видеоизображениям точнее, чем врачи. Распознание использует возможности искусственного интеллекта.

Облачный сервис, созданный на основе искусственного интеллекта (ИИ), представляющего собой ансамбль свёрточных нейронных сетей, поможет вам проанализировать цифровые флюорографические снимки. Флюорограммы анализируются на наличие всех возможных патологий, которые можно выявить при флюорографии.

Сервис на основе алгоритма «искусственного интеллекта», созданного по принципу «Supervised machine learning» (Обучение с учителем) – один из способов машинного обучения, в ходе которого «искусственный интеллект» принудительно обучается с помощью большого количества данных, при этом человек-оператор выступает в роли учителя. Алгоритм интерпретирует полученные Сервисом результаты МРТ-исследований в формате DICOM с целью обнаружения и классификации семиотических признаков. Результатом работы алгоритма являются данные об обнаруженных семиотических признаках и их классификация, а также предварительно заполненный протокол описания результата МРТ- исследований. Первый ИИ-сервис для анализа МРТ-исследований, который дифференцирует заболевания сосудистого генеза и демиелинизацию на исследованиях для безошибочной маршрутизации пациентов - Поиск многоочаговых патологий на исследованиях МРТ головного мозга, их классификация по происхождению и сегментация (оконтуривание), определение локализации, количества и объема - Автоматизированная отчетность об исследованиях, поддерживающая критерии Макдональда и оценку по Fazekas - Точная локализация поражений белого вещества - Дифференциация очаговых поражений сосудистого генеза и вследствие демиелинизации Датасет 100 тыс.+ исследований, подтверждённых биопсией

Программное обеспечение проводит анализ цифровых флюорограмм и рентгенограмм органов грудной клетки во фронтальной проекции, проведенных на различном диагностическом оборудовании в формате DICOM и обеспечивает поиск признаков, свидетельствующих о наличии туберкулеза, пневмонии, гнойных и некротических состояний, объемных образований в легких, плеврального выпота, пневмоторакса, сердечно сосудистых заболеваний, переломов, изменений диафрагмы: - затемнения, - очаговые тени, - фиброз, - диссеминация, - кольцевидная тень, - петрификаты (кальцинаты), - линейные затемнения, - плевральный выпот, - пневмоторакс, - сердечно-сосудистые патологии, в том числе кардиомегалия с - подсчетом КТИ, - переломы, - изменения диафрагмы. Программное обеспечение проводит анализ цифровых флюорограмм и рентгенограмм органов грудной клетки в боковой проекции, проведенных на раз личном диагностическом оборудовании в формате DICOM и обеспечивает поиск признаков, свидетельствующих о наличии плеврального выпота. Использование программного обеспечения возможно посредством интеграции по API с программным обеспечением медицинской организации, в том числе PACS по протоколу DICOM 3.0 и МИС по протоколу HL7/FHIR, а также в посредством использования web-интерфейса. В результате работы Программное обеспечение создает файлы с дополнительными серии исследования в формате DICOM Secondary Capture (SC). В результате работы Программное обеспечение создает файл с протоколом исследования в формате DICOM Structured Report.

ВОЗМОЖНОСТИ Детекция и визуализация признаков патологий, расчет размеров и объемов - Асимметрия плотности - Нарушение архитектоники - Отек ткани - Лимфоузлы, нетипичные аксиллярные лимфоузлы - Утолщение кожи, втяжение соска, подозрительное образование - Кальцинаты - Втяжение соска, ассиметрия, лимфоузел ФУНКЦИОНАЛ Определяет признаки рака молочной железы Оценивает исследование по шкале BI-RADS Оценивает плотность молочной железы по шкале ACR Оценивает качество укладки по шкале PGMI Создает дополнительную серию с визуализацией найденных изменений Создает структурированный протокол описания, с информацией о находках и их характеристиках Сервис предоставляет врачу результат проспективной обработки исследования с отмеченными патологиями Сервис обрабатывает архив исследований с целью найти определенные патологии, которые могли быть пропущены в прошлом Сервис ранжирует список исследований и маршрутизирует "сложные случаи" более квалифицированному специалисту. Сервис оценивает укладку молочной железы. В случае некорректно-проведенного снимка у лаборанта появится информация об ошибках при проведении исследования.

ИИ-сервис находит сразу 9 патологий в области грудной клетки Программное обеспечение предназначено для автоматизации процесса прото- колирования результатов исследований компьютерной томографии в формате DICOM с целью обнаружения семиотических признаков: - легочных узлов, - нарушений воздушности легких, - COVID-19, - плеврального выпота, - расширения легочного ствола, - расширения грудной аорты, - коронарного кальция, - компрессионных переломов тел позвонков. Использование программного обеспечения возможно посредством интеграции по API с программным обеспечением медицинской организации, в том числе PACS по протоколу DICOM 3.0 и МИС по протоколу HL7/FHIR, а также посредством использования web-версии. Доступ к ПО возможен по статическому IP-адресу с использованием защищенных каналов связи. В результате работы Программное обеспечение создает файлы с дополнительными сериями исследования в формате DICOM SC. В результате работы Программное обеспечение создает файл с протоколом исследования в формате DICOM Structured Report.

Инструмент для объективного анализа клеток периферической крови и костного мозга , определения типов ткани и характеристик новообразований. В основе сервиса - запатентованная технология: «Метод для выделения и классификации типов клеток крови с помощью глубоких сверточных нейронных сетей» Третье Мнение обеспечивает точную диагностику мазков крови и костного мозга, тканей. Глубокая интеграция в рабочие процессы врачей лабораторной диагностики позволит настроить работу алгоритмы в режиме "ассистент врача" и в фоновом режиме. Сервисы: - Цитология - Гистология (В Разработке) Распознавание типов клеток периферической крови и костного мозга. Сервис умеет распознавать клетки, характерные при онкогематологических процессах: - Бластные клетки - Миелоциты - Метамиелоциты - Лимфоциты - Палочкоядерные/сегментоядерные нейтрофилы - Базофилы/Эозинофилы - Базофильные / полихроматофильные / оксифильные нормобласты