CC BY
86
В настоящее время информационные технологии широко применяются в здравоохранении, они позволяют автоматизировать деятельность врачей и улучшить качество и эффективность их работы, уйти от бумажных технологий к современным средствам хранения и обработки данных.
Одно из направлений в медицине - лимфология. Это наука о строении, функциях, изменениях лимфатической системы. Лимфатическая система человека участвует во всех процессах, протекающих в организме. Нарушение ее функций влияет на развитие патологического процесса и часто приводит к инва-лидизации. Поэтому проблема диагностики и лечения заболеваний лимфатической системы является актуальной и социально значимой.
Обследование пациента и анализ полученных результатов - процесс долгий и дорогостоящий, правильная постановка диагноза на ранних стадиях диагностики и лечения позволяет существенно сократить время и стоимость лечения, способствует повышению качества жизни пациента. В настоящее время исследования проводятся по нескольким десяткам различных параметров, ручная обработка которых требует много времени, допущенные ошибки могут привести к неправильному диагнозу. Поэтому было принято решение разработать автоматизированную систему, с
помощью которой врачи быстро и безошибочно обрабатывали все необходимые данные.
Система позволяет систематизировать и анализировать накопленную в ходе обследования и лечения информацию о пациентах и выдавать рекомендации по дальнейшему лечению. В ней заложены уникальные методики лечения заболеваний лимфатической системы, которые были разработаны на основании многочисленных исследований врачами сосудистого отделения клиники госпитальной хирургии. Система обладает гибкой структурой и позволяет изменять параметры обследования. Также в ней имеются функции для быстрого оформления документации по результатам обследования.
Система представляет собой клиент-серверное приложение, все данные хранятся на серверной части системы в единой базе данных. Для реализации использовались среда разработки Visual Studio 2008, язык C#, а в качестве СУБД MySQL 5.1.
Система развивается и в настоящее время ведется работа по переносу системы в Интернет с использованием технологии ASP.NET и MVC Framework. Реализация системы в виде web-приложения, позволит обеспечить постоянный доступ к ней и увеличить количество пользователей.
© Лукьянова Е. С., 2013
УДК 681.3.06
С. Ю. Лысенко Научный руководитель - В. В. Вдовенко Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
МЕТОДЫ РАСЧЕТА ОЦЕНКИ ВЛИЯНИЯ ДИСЦИПЛИНЫ ОБСЛУЖИВАНИЯ НА НАДЕЖНОСТЬ ВОССТАНАВЛИВАЕМЫХ СИСТЕМ
Рассматривается вопрос автоматизации процесса определения количества обслуживающих органов информационной системы, обеспечивающий требуемый уровень ее коэффициента готовности. Выполнена алгоритмическая реализация методов нахождения количества обслуживающих органов для поддержания требуемой готовности системы.
Проблема надежности является очень важной для современных технических систем. Можно привести примеры многих систем, для которых решение проблемы надежности в самом прямом смысле означает, быть или не быть данной системе. К ним можно отнести и различные информационные системы, включающие в свой состав большое число компьютеров, имеющих сетевую структуру, территориально распределенные информационные системы, информационные системы измерения параметров различных объектов, системы мониторинга и т. п.
Требования к надежности информационной системы закладываются на этапе ее проектирования и должны быть удовлетворены в процессе ее производства. На этапе эксплуатации информационной системы необходимо обеспечение надежности ее функционирования на заданном уровне.
Задачей поддержки заданного уровня функционирования таких систем является удовлетворение заявок
на обслуживание со стороны потребителей информации. Формальная постановка этой задачи может быть сведена к определению количества обслуживающих органов п, обеспечивающих заданное значение функции готовности Кгф вероятности того, что в произвольный момент времени t информационная система готова принять заявку на обслуживание [1].
Количество обслуживающих органов имеет большое значение по следующим соображениям: во-первых, если значение п будет слишком мало, то Кг(0 не будет удовлетворять заданным условиям, во-вторых если же п будет слишком велико, то вероятность того, что заявка будет принята на обслуживание в произвольный момент времени t будет выше заданной. В этом вроде бы и нет ни чего плохо, но если посмотреть с экономической точки зрения, содержание каждого дополнительного обслуживающего органа будет являться лишними затратами для обслуживающей компании..
Секция «Информационнее системы и технологии»
Алгоритм определения количества обслуживающих органов при заданном К.
Определение значения п предлагается выполнять с помощью алгоритма, реализующего методы полного перебора, золотого сечения, половинного деления и Фибоначчи (см. рисунок). Входными данными для работы являются: Р(0 - вероятность того, что заявка в произвольный момент времени t будет принята на
обслуживание; X - интенсивность потока заявок на обслуживание; ц - интенсивность обслуживания заявки Ь и величина требуемого значения коэффициента готовности. Определение числа обслуживающих органов производится в процессе решения трансцендентного уравнения
Программная реализация данного алгоритма позволяет автоматизировать процесс определения количества обслуживающих органов информационной системы, обеспечивающий требуемый уровень ее коэффициента готовности.
Библиографическая ссылка
1. Гуров С. В., Половко А. М. Основы теории надежности. 2-е изд., перераб. и доп. СПб. : БХВ-Петербург, 2006. 704 с. : ил.
© Лысенко С. Ю., 2013
УДК 004.853
Д. С. Новиков Научный руководитель - М. Н. Фаворская Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
МНОГОПОЛОСНОЕ СМЕШИВАНИЕ ИЗОБРАЖЕНИЙ В ЗАДАЧЕ ФОРМИРОВАНИЯ
ПАНОРАМНЫХ СНИМКОВ
Рассмотрены основные этапы формирования панорамного изображения. Описана суть многополосного смешивания изображений, приведен пример разбиения изображения на полосы частот.
В задаче автоматического формирования панорамных снимков можно выделить следующие этапы:
1. Определение снимков, относящихся к панораме.
2. Определение взаимного расположения снимков - определение параметров геометрических преобразований, которые необходимо провести над снимками для объединения их в одно целое - панораму.
3. Обработка полученного составного изображения с целью устранения перепадов освещенности, смешивание, применение дополнительных специальных средств для получения каких-либо эффектов.
В ходе предыдущих работ была разработана программа, определяющая взаимное расположение двух снимков (если на них имеется область перекрытия -область, присутствующая на обоих снимках) по самим снимкам. Для этого на изображениях выделяются особые точки (SURF) и вычисляются параметры проективного преобразования для одного из изображений. Зная эти параметры, можно спроецировать одно из изображений на плоскость второго изображения.
Результатом проецирования изображения является искаженное изображение, какое можно видеть, смотря на фотографию, немного повернутую в пространстве. Если сформировать панораму простым наложением искаженной первой фотографии на вторую, то на результирующем изображении будут отчетливо видны линии сшивки, образованные краями фотографии, добавленной к результирующему изображению последней. Это может быть связано с неравномерностью освещенности при снятии фотографий.
Выравнивать освещенность при составлении панорам можно следующим способом (это следует делать перед смешиванием). Определить область пересечения изображений; вычислить среднее значение яркости каждого изображения в области пересечения; найти отношение средних яркостей; скорректировать яркость всех пикселей изображений в соответствии с отношением средних яркостей области пересечения изображений.
Выравнивание освещенности позволяет избавиться от некоторых линий сшивки, но не ото всех. Неко-
торые линии сшивки образуются из-за таких эффектов, как виньетирование, параллакс (из-за нежелательного движения в сцене или чрезмерного смещения камеры), а также из-за возможных небольших ошибок, полученных на этапе определения взаимного расположения снимков и проецирования изображений на плоскость панорамы. Для устранения оставшихся линий сшивки необходима хорошая стратегия смешивания.
Предлагается использовать многополосное смешивание, заключающееся в следующем. Сначала смешиваемые фотографии разделяются на изображения, соответствующие полосам частот исходных фотографий (см. рисунок). Полоса высоких частот получается сглаживанием исходного изображения фильтром Гаусса и вычитанием результата сглаживания из исходного изображения. Полосы более низких частот получаются аналогично - дальнейшее сглаживание и вычитание результата из результата сглаживания на предыдущем шаге. Сложение полученных изображений дает исходную фотографию.
Далее для каждого изображения, добавляемого на панораму, строится маска смешивания, определяющая, какие пиксели изображения следует просто перенести на панораму, а какие - смешивать с пикселями другого изображения. В исходном варианте маска смешивания имеет четкие границы и повторяет очертания области перекрытия фотографий. При многополосном смешивании из исходной маски смешивания строятся дополнительные маски (по одной на каждую полосу частот), такие что: полосе высоких частот соответствует исходная маска, сглаженная фильтром Гаусса один раз; полосе частот [X; 2Х] - маска, сглаженная фильтром Гаусса дважды и т. д.
Такой ход позволяет сглаживать низкие частоты изображений с большим размытием, делая перепады освещенности, проявления эффекта параллакса незаметными. В то же время, высокие частоты изображений сглаживаются с небольшим размытием, что позволяет сохранить детали на результирующей панораме. Многополосное смешивание позволяет также
