Магістерські роботи (ШІ)
Постійне посилання зібрання
У зібранні розміщено магістерські дисертації на здобуття ступеня магістра.
Переглянути
Нові надходження
Документ Відкритий доступ Сегментація медичних зображень на основі використання гібридних методів напівконтрольованого навчання(КПІ ім. Ігоря Сікорського, 2024) Шеруда, Андрій Володимирович; Синєглазов, Віктор МихайловичМагістерська дисертація: 98 с., 9 рис., 4 табл., 17 посилань, додаток. Назва дослідження: «Сегментація медичних зображень на основі використання гібридних методів напівконтрольованого навчання» Об’єкт дослідження: медичні зображення та їх сегментація за допомогою гібридних методів напівконтрольованого навчання. Предмет дослідження: алгоритми навчання та архітектури моделей сегментації медичних зображень на основі гібридних методів напівконтрольованого навчання. Мета роботи: розробка та дослідження гібридних методів напівконтрольованого навчання для сегментації медичних зображень з метою підвищення точності, ефективності та адаптивності сегментації при обмеженій кількості розмічених даних. Наукова новизна: запропоновано новий метод навчання моделі сегментації на основі гібрідного методу напівконтрольованого навчання. Цю роботу присвячено дослідженню та розробці нового метода навчання моделей семантичної сегментації послідовностей медичних зображень. Сам метод базується на основі двох гібридних методів напівконтрольованого навчання – co-learning та автоенкодер. Описаний новітній підхід відкриває нові перспективи для схожих задач та вирішує важливу проблему сегментації медичних зображень.Документ Відкритий доступ Рекомендація хештегів методами глибокого навчання на основі мультимодальних даних(КПІ ім. Ігоря Сікорського, 2024) Яковлєв, Сергій Олександрович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 109 с., 22 рис., 21 табл., 14 посилань, додаток. Об’єкт дослідження – набір даних публікацій у соціальній мережі Instagram. Предмет дослідження – методи глибокого навчання, нейронні мережі. Мета дослідження – проаналізувати існуючи методи рекомендації хештегів за мультимодальними даними, розробити на їх основі модифіковану модель. Наукова новизна – запропоновано модифікований модуль злиття ознак, що додатково зважує важливість текстових і візуальних ознак публікації. Отримані результати свідчать про те, що моделі з наведеною модифікацією є кращим варіантом для надання рекомендацій ніж базові моделі. Основні положення дослідження доповідалися на всеукраїнській конференції. Результати роботи подано до друку у фаховому виданні категорії Б.Документ Відкритий доступ Класифікація гіперспектральних зображень за допомогою згорткових нейронних мереж і багатоознакового навчання(КПІ ім. Ігоря Сікорського, 2024) Шулєнін, Олександр Максимович; Чумаченко, Олена ІллівнаМагістерська дисертація: 102 сторінки, 19 рисунків, 27 таблиць, додаток, 15 посилань. Об’єкт дослідження – гіперспектральні зображення, які використовуються для аналізу спектральної інформації різних об'єктів та матеріалів. Предмет дослідження – алгоритми класифікації гіперспектральних зображень, що базуються на згорткових нейронних мережах (CNN) та методах багатоознакового навчання. Мета роботи – дослідити існуючі методи класифікації гіперспектральних зображень, розробити метод класифікації гіперспектральних зображень за допомогою згорткових нейронних мереж і багатоознакового навчання. Результати роботи – було створено і протестовано метод класифікації гіперспектральних зображень на основі штучного інтелекту, проведено порівняння розробленого методу із класичними.Документ Відкритий доступ Напівкероване навчання зорового трансформера для задачі сегментації дорожнього трафіку в неструктурованому середовищі(КПІ ім. Ігоря Сікорського, 2024) Шабо, Олексій Андрійович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 143 c., 20 рис., 24 табл., 43 посилання, додаток. Тема дослідження – напівкероване навчання зорового трансформера для задачі сегментації дорожнього трафіку в неструктурованому середовищі. Об’єкт дослідження – набір даних з Indian Driving Dataset для семантичної сегментації, що складається з 373 маркованих та 2603 немаркованих тренувальних, 700 валідаційних та 1048 тестових зображень. Предмет дослідження – методи комп’ютерного зору і напівкерованого навчання. Мета дослідження – створення алгоритму напівкерованого навчання зорового трансформера, що міг би виконувати багатокласову семантичну сегментацію об’єктів в неструктурованому середовищі. Розроблено програмний продукт на мові програмування Python. На основні проведених у цій роботі досліджень доведено ефективність запропонованого способу напівкерованого навчання моделі зорового трансформера, що здатна виконувати сегментацію в такому неструктурованому середовищі, як (при)міські дороги в Індії. Основні положення матеріалів роботи доповідались на міжнародній науково- технічній і всеукраїнській науково-практичній конференціях та були опубліковані у фаховому виданні категорії “Б”. У межах подальшого дослідження пропонується оптимізація роботи програмного продукту для мобільних та крайових пристроїв, а також інтеграція цієї схеми тренування у систему автономної навігації на дорозі.Документ Відкритий доступ Ідентифікація сузір’їв на зображеннях зоряного неба методами глибокого навчання(КПІ ім. Ігоря Сікорського, 2024) Теребецький, Максим Андрійович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 85 с., 12 табл., 13 рис., 36 посилання, додаток. Об'єктом дослідження є процес ідентифікації та класифікації сузір'їв на зображеннях зоряного неба, що містять складну просторову структуру зірок і потребують застосування передових методів комп'ютерного зору та машинного навчання. Предметом дослідження виступає метод аналізу астрономічних зображень, який включає виявлення кластерів зірок та їх класифікацію за допомогою моделей глибокого навчання. Мета дослідження – розробка алгоритму автоматизованої ідентифікації та класифікації сузір'їв з використанням технологій глибокого навчання. Дослідження автоматизованого аналізу зображень астрономічних об'єктів набуває актуальності в контексті розвитку сучасних інформаційних технологій та штучного інтелекту. Ідентифікація сузір'їв є важливим науковим завданням з потенціалом вдосконалення методів астрономічних досліджень. Наукова новизна полягає у розробці комплексного алгоритму, що інтегрує методи кластеризації та глибокого навчання для розпізнавання складних зоряних конфігурацій. Практичне значення передбачає створення інтелектуальної системи автоматизованого розпізнавання сузір'їв для професійних астрономічних досліджень та освітніх програм.Документ Відкритий доступ Інтелектуальна система побудови 3D моделі злоякісної пухлини мозку на основі МРТ зображень(КПІ ім. Ігоря Сікорського, 2024) Cотник, Дмитро Сергійович; Синєглазов, Віктор МихайловичМагістерська дисертація: 83 с., 20 рис., 7 табл., 15 посилань, 2 додатки. Об’єкт дослідження – процес автоматизованої сегментації зображень вестибулярних шваном. Предмет дослідження – методи і технологій сегментації МРТ зображень за допомогою згорткових нейронних мереж та створення 3D моделей на основі 2D зображень. Мета роботи – розробка та вдосконалення методу побудови 3D моделі на основі інтелектуальної сегментації пухлин головного мозку для клінічного використання. Розглянуто вестибулярні шваноми, принципи роботи МРТ апаратів у різних режимах. Досліджено згорткові нейронні мережі, архітектури U-Net та DeepLabV3+. Проведено експерименти із навчання моделей сегментації пухлин головного мозку, використання модулів уваги та побудови 3D моделей пухлин. Результати роботи можливо використати на базі Інституту нейрохірургії ім. акад. А. П. Ромоданова НАМН України, який надав МРТ зображення та допомогу із дослідженнями вестибулярних шванном.Документ Відкритий доступ Класифікація морфології галактик з використанням методів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Сидоров, Олександр Вікторович; Пишнограєв, Іван ОлександровичМагістерська дисертація: 110 с., 31 рис., 17 табл., 35 посилань, 2 додатка. Об'єктом дослідження є зображення галактик, отримані з астрономічних спостережень, які використовуються для класифікації та аналізу різних типів галактик. Зображення можуть бути зроблені за допомогою телескопів або космічних місій, що дозволяють зібрати дані з різних діапазонів електромагнітного спектра Предметом дослідження є застосування методів комп'ютерного зору, зокрема нейронних мереж, для автоматичної класифікації типів галактик на основі їхніх зображень. Дослідження фокусується на розробці ефективних моделей машинного навчання, таких як згорткові нейронні мережі (CNN), для виявлення структурних характеристик, які дозволяють класифікувати галактики за типами Метою дослідження є розробка ефективної моделі машинного навчання для класифікації типів галактик за зображеннями, використовуючи сучасні методи комп'ютерного зору, зокрема згорткові нейронні мережі (CNN). Модель має забезпечити точну і автоматичну класифікацію типів галактик, що дозволить спростити та прискорити процес обробки астрономічних данихДокумент Відкритий доступ Дистанційний безконтактний метод визначення деяких біосигналів людини з відеопотоку. Визначення RR інтервалів(КПІ ім. Ігоря Сікорського, 2024) Шатіхін, Євген Олексійович; Тимошенко, Юрій ОлександровичМагістерська дисертація: 130 с., 25 табл., 25 рис., додаток, 29 посилань. Об’єктом дослідження є застосування методу фотоплетизмографії в сфері охорони здоров’я. Предметом дослідження є безконтактний дистанційний метод визначення біосигналів (артеріального тиску, пульсу) людини. Метою роботи є розробка нейронної мережі для визначення показників біосигналів людини, зокрема артеріального тиску, з даних фотоплетизмограми, отриманої з відео-потоку. Актуальність роботи полягає в розробці неінвазійних дистанційних діагностичних програм для моніторингу серцево-судинної системи людини. Ця робота досліджує та аналізує підходи до вивчення біосигналів людини на основі фотоплетизмограми, яка є одним із найпоширеніших методів, із застосуванням машинного навчання для розв'язання задач регресії. Для подальшого розвитку предмету дослідження можлива оптимізація апроксимації артеріального тиску, виходячи з сигналу фотоплетизмограми.Документ Відкритий доступ Інтелектуальна система обробки гіперспектральних зображень на основі згорткових нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Шелепало, Данило Олегович; Синєглазов, Віктор МихайловичМагістерська дисертація: 108 с., 20 рис., 31 табл., 15 посилань, додаток. Об’єкт дослідження – гіперспектральні зображення та їх характеристики, які використовуються для класифікації у задачах дистанційного зондування, медицини, екології, сільського господарства та інших галузях. Предмет дослідження – методи та алгоритми класифікації гіперспектральних зображень, що базуються на згорткових нейронних мережах (CNN), а також їх параметри, архітектури та вплив різних підходів до обробки даних на якість класифікації. Мета роботи – розробка та впровадження інтелектуальної системи класифікації гіперспектральних зображень на основі згорткових нейронних мереж (CNN) для підвищення точності, швидкості та надійності класифікації в задачах аналізу багатовимірних даних. Результатом роботи є розроблена інтелектуальна системи обробки гіперспектральних зображень, яка використовує локальні патчі пікселів і вагові коефіцієнти для врахування локальних контекстів.Документ Відкритий доступ Об'ємна сегментація медичних зображень на основі самонавчання з використанням квантових обчислень(КПІ ім. Ігоря Сікорського, 2024) Павлов, Роман Вадимович; Синєглазов, Віктор МихайловичМагістерська дисертація: 117 с., 12 рис., 13 табл., 19 посилань, додаток. Об’єкт дослідження – процеси об’ємної сегментації медичних зображень. Предмет дослідження – методи самонавчання та квантових обчислень для об’ємної сегментації медичних зображень. Мета роботи – розробка методу об’ємної сегментації медичних зображень, що використовує самонавчання та квантові алгоритми, з метою підвищення точності й ефективності обробки тривимірних даних. У роботі розглянуто, описано та використано різні методи та архітектури об’ємної сегментації медичних зображень із застосуванням квантових обчислень. У результаті побудовано модель об’ємної сегментації з інтеграцією самонавчання та квантових алгоритмів, що вирішує поставлену в роботі задачу.Документ Відкритий доступ Виявлення шахрайської платіжної діяльності на основі методів ШІ(КПІ ім. Ігоря Сікорського, 2024) Пишнюк, Артем Олегович; Кузнєцова, Наталія ВолодимирівнаМагістерська дисертація: 109 с., 27 рис., 24 табл., додаток, 15 посилань. Об’єкт дослідження: методи і моделі штучного інтелекту. Предмет дослідження: методи і моделі класифікації для прогнозування шахрайських платіжних транзакцій. Мета дослідження: розробка ефективної моделі штучного інтелекту для автоматичного прогнозування ймовірності шахрайства у платіжних транзакціях в мережі інтернет. Використані моделі: у програмній реалізації було використано нейронні мережі, SVM, логістичну регресію, дерева рішень, випадковий ліс, XGBoost. Актуальність роботи зумовлена різким зростанням кількості платіжного шахрайства в мережі інтернет в останні роки. Це в свою чергу стає все більшою загрозою для світової економіки та фінансової безпеки, а приватні та державні установи несуть все більші збитки. Шахраї постійно вдосконалюють способи обману та шукають нові задля незаконного збагачення за рахунок платіжних онлайн-систем. Отриманні результати: побудована якісна модель виявлення шахрайських платіжних онлайн-транзакцій, що може прогнозувати ймовірність конкретної транзакції бути шахрайською. У межах подальшого дослідження пропонується перш за все підвищувати якість розмітки даних, шукати нові ознаки, збільшувати інформативність вже наявних, застосувати нові методи і підходи, такі як, наприклад, метод виявлення аномалій.Документ Невідомий Використання рекомендаційної системи у транспортній галузі на основі методів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Поліщук, Максим Сергійович; Гуськова, Віра ГеннадіївнаМагістерська дисертація: 105с., 16 рис., 25 табл., додаток, 20 посилань Тема магістерської дисертації: «Використання рекомендаційної системи у транспортній галузі на основі методів штучного інтелекту ». Мета роботи - розробка рекомендаційної системи на основі сучасних методів машинного навчання для надання персоналізованих рекомендацій користувачам платформи електронної комерції. Об’єкт дослідження - створення рекомендаційної системи транспорту, яка використовує методи штучного інтелекту для аналізу та обробки даних про користувачів та транспортні засоби з метою надання персоналізованих рекомендацій. Предмет дослідження - методи та алгоритми рекомендаційних систем, що використовуються для покращення процесу вибору транспорту користувачами на маркетплейсах. Для досягнення мети були поставлені такі задачі: − аналіз предметної області та доступних даних; − порівняння існуючих підходів до побудови рекомендаційних систем; − адаптація вибраного методу під специфіку платформи; − розробка програмної реалізації рекомендаційної системи; − оцінка ефективності моделі. Програмний продукт реалізовано з використанням мови програмування Python який надає широкий спектр бібліотек для навчання нейронних мереж та аналізу даних.Документ Невідомий Напівконтрольована гібридна мережа для сегментації МРТ-зображень хребта(КПІ ім. Ігоря Сікорського, 2024) Похиленко, Олександр Андрійович; Чумаченко, Олена ІллівнаМагістерська дисертація: 95 с., 29 рис., 6 табл., 34 посилання, 2 додатки. Об’єкт дослідження – штучні нейронні мережі для сегментації МРТ-зображень хребта. Предмет дослідження – методи розробки гібридних архітектур штучних нейронних мереж та застосування напівкерованого навчання для сегментації МРТ-зображень хребта. Мета роботи – розробка гібридної архітектури штучної нейронної мережі для сегментації МРТ-зображень хребта та її навчання з використанням методів напівкерованого навчання. Результатом роботи є розроблення гібридної архітектури BAFUNet для сегментації МРТ-зображень хребта та навчання моделі цієї архітектури за допомогою методу напівкерованого навчання Mean Teacher з двонаправленим копіюванням та вставкою. Також запропонована інтелектуальна медична система діагностики деформації міжхребцевих дисків, що використовує мережі BAFUNet та ResNet-18. Основні положення доповідалися на міжнародній науково-технічній конференції «Штучний інтелект та інтелектуальні системи – AIIS’2024» та опублікувано у фаховому науковому періодичному виданні «Штучний інтелект».Документ Невідомий Інтелектуальна система обробки медичних зображень з використанням методу нульового навчання(КПІ ім. Ігоря Сікорського, 2024) Решетник, Олексій Олександрович; Синєглазов, Віктор МихайловичМагістерська дисертація: 134 с., 16 рис., 26 табл., 108 посилань, додаток. Об’єкт дослідження – рак шкіри, меланома. Предмет дослідження – інтелектуальна система діагностики на основі використання методу нульового навчання. Мета роботи – розробка інтелектуальної системи обробки медичних зображень раку шкіри, використовуючи метод zero-shot learning. Наукова новизна дисертації полягає у використанні гібридного методу, який поєднує zero-shot learning та технологію YOLOv11. Запропонована архітектура нейронної мережі здатна ефективно сегментувати.Документ Невідомий Інтелектуальна система класифікації на основі графового підходу(КПІ ім. Ігоря Сікорського, 2024) Ручкін, Олександр Костянтинович; Синєглазов, Віктор МихайловичМагістерська дисертація: 116 с., 250 рис., 2 табл., 44 посилань, 2 додатка. Назва дослідження: «Інтелектуальна система класифікації на основі графового підходу». Мета роботи: розробка нових і поліпшення існуючих методів GSSL та на їх основі розробка інтелектуальної системи вирішення задач класифікації для синтетичних та реальних даних. Об'єкт дослідження: методи напівконтрольованого навчання на основі графів, що використовуються для вирішення задач класифікації, коли є лише обмежена кількість мічених даних у великих наборах. Предмет дослідження: предметом дослідження є гібридні методи GSSL засновані на вирішення рівняння дифузії для застосування у алгоритму розповсюдження міток у великих графових моделях. Наукова новизна: запропоновано новий метод GSSL - узагальнений підхід Diffuse Label Propagation на основі рівнянь Пуассону. Практичне значення: розроблено програмне забезпечення інтелектуальної системи классифікації даних. Програма дозволяє: відображати дані, будувати граф даних, обчислювати метрики, будувати графік точності для заданої послідовності початкових даних, обчислювати та будувати статистичні характеристики середнього та середньої похибки точності методу. Система орієнтована на науковців, інженерів даних та студентів, які працюють із задачами машинного навчання та класифікації. Програма також орієнтована на застосування у медицині як інструмент автоматичної медичної діагностиці та класифікації ризиків серцево-судинних захворювань. Результати цієї роботи були апробовані на міжнародних конференціях.Документ Невідомий Інтелектуальна обробка зображень на автономних підводних апаратах(КПІ ім. Ігоря Сікорського, 2024) Савченко, Михайло Володимирович; Синєглазов, Віктор МихайловичМагістерська дисертація: 103 с., 38 рис., 19 табл., 44 посиланя, додаток. Об’єкт дослідження – технології комп’ютерного зору. Предмет дослідження – інтелектуальна обробка зображень, знятих у підводному середовищі. Мета роботи – створення інтелектуальної системи, здатної ефективно вирішувати задачу розпізнавання підводних об'єктів при низькій обчислювальній складності. Результатами дослідження є створення авторської методології, яка включає метод попередньої обробки зображень для зменшення впливу оптичних перешкод у підводному середовищі; метод структурно-параметричного синтезу нейронної мережі для розпізнавання об'єктів на підводних знімках; метод стиснення нейронної мережі для забезпечення роботи в умовах обмеженої потужності та автономності. Практичне значення роботи полягає в можливості побудови нейронної мережі детектування об’єктів на основі поданої методології та її розміщення на окремому апаратному модулі для автономного підводного апарату, який дозволить йому виконувати прикладні задачі, що базуються на локалізації та класифікації об’єктів інтересу. Основні положення роботи викладено в роботі В. Синєглазова, М. Савченка і В. Литвиненка "Efficient small and overlapping target detection in underwater images" та представлено на 4th Int. Workshop IT-professionals Artif. Intell. (ProfIT AI 2024) у вересні 2024 року.Документ Невідомий Класифікація хвороб сільськогосподарських культур із застосуванням машинного навчання(КПІ ім. Ігоря Сікорського, 2024) Зиблий, Євгеній Олександрович; Пишнограєв, Іван ОлександровичДипломна робота – 88 с., 21 табл., 29 рис., додаток, 15 джерел. Тема: Класифікація хвороб сільськогосподарських культур із застосуванням машинного навчання. У роботі розглянуто та проаналізовано різні архітектури нейромереж для діагностики захворювань сільськогосподарських культур за допомогою зображень рослин. Об’єкт дослідження: процес класифікації захворювань сільськогосподарських культур. Предмет дослідження: моделі глибинного навчання, зокрема глибокі та згорткові нейронні мережі. Мета роботи: проаналізувати існуючі методи діагностики захворювань сільськогосподарських культур та розробити програмне забезпечення для підвищення точності класифікації цього процесу. Створено програмний продукт для діагностики захворювань сільськогосподарських культур на основі зображень рослин. Для проведення аналізу було використано два набори даних, що сумарно містять 31300 зображень.Документ Відкритий доступ Прогнозування цін акцій за допомогою історичних даних та сентиментального скорингу новин з використанням методів напівкерованого навчання(КПІ ім. Ігоря Сікорського, 2024) Качан, Дмитро Сергійович; Недашківська, Надія ІванівнаМагістерська дисертація: 102 с., 16 рис., 25 табл., 19 посилань, додаток. Це дослідження присвячено розробці моделі для прогнозування цін акцій компанії Amazon на основі комбінації історичних даних та сентиментального аналізу новин. Об’єкт дослідження: процес прогнозування цін акцій на основі різних джерел інформації, зокрема історичних даних та аналізу новин, що включає застосування методів машинного навчання. Предмет дослідження: моделі машинного навчання, зокрема напівкеровані методи навчання для аналізу інформації новин та історичних даних для передбачення цін акцій на фінансових ринках. Мета дослідження: розробка ефективної методології прогнозування цін акцій, що поєднує історичні фінансові дані та сентиментальний аналіз новин, з використанням напівкерованих методів машинного навчання для поліпшення точності прогнозів. Практична значущість: Розроблена модель може бути використана інвесторами та аналітиками для прийняття обґрунтованих рішень щодо інвестування. Перспективи подальших досліджень: Розширення дослідження на інші фінансові інструменти та компанії, дослідження впливу різних факторів на точність прогнозів, а також розробка більш складних моделей, що враховують додаткові фактори, такі як новини з інших джерел, соціальні мережі тощо. Результати дослідження апробовано на МНПК «Інформаційні технології та комп’ютерне моделювання» (м. Івано-Франківськ, 21-24 травня 2024 року) [16]Документ Відкритий доступ Дистанційний безконтактний метод визначення деяких біосигналів людини з відеопотоку. Визначення артеріального тиску(КПІ ім. Ігоря Сікорського, 2024) Коваль, Максим Дмитрович; Тимошенко, Юрій ОлександровичМагістерська дисертація: 128 с., 25 табл., 25 рис., додаток, 20 джерел. Об’єкт дослідження – Застосування методу фотоплетизмографії в сфері охорони здоров’я. Предмет дослідження – безконтактний дистанційний метод визначення біосигналів (артеріального тиску, пульсу) людини. Мета роботи – розробка нейронної мережі для визначення показників біосигналів людини, зокрема артеріального тиску, з даних фотоплетизмограми, отриманої з відео-потоку. Актуальність – розробка неінвазійних дистанційних діагностичних програм для моніторингу серцево-судинної системи людини. Ця робота досліджує та аналізує підходи до вивчення біосигналів людини на основі фотоплетизмограми, яка є одним із найпоширеніших методів, із застосуванням машинного навчання для розв'язання задач регресії. Подальший розвиток предмету дослідження – оптимізація апроксимації артеріального тиску, виходячи з сигналу фотоплетизмограми.Документ Відкритий доступ Інтелектуальна система обчислення трабекулярного кісткового показника(КПІ ім. Ігоря Сікорського, 2024) Ель-Шбейр, Александер Жан Філіпп; Синєглазов, Віктор МихайловичМагістерська дисертація: 103 с., 18 рис., 9 табл., 2 додатки, 28 посилань. Об’єкт дослідження – інтелектуальна система обробки медичних зображень, спрямована на обчислення трабекулярного кісткового показника. Предмет дослідження – розробка та оптимізація програмного забезпечення для точного визначення трабекулярного кісткового показника. Мета дослідження полягає в створенні та вдосконаленні інтелектуальної системи для обчислення трабекулярного кісткового показника та вивченні його зв'язку з різними захворюваннями та факторами ризику. Актуальність теми – медична діагностика та обробка медичних зображень є надзвичайно важливими в галузі сучасної медицини. Зокрема, розвиток інтелектуальних систем для обчислення трабекулярного кісткового показника визначається актуальністю ранньої діагностики та лікування захворювань опорно—рухового апарату. Практичне значення. Результати дослідження можуть слугувати основою для розробки ефективних інтелектуальних систем у медичній галузі, сприяючи покращенню діагностики та лікування.