No abstract

No abstract

Myocardial hibernation is a persistent inhibition of contractility of the viable myocardium of the left ventricle, resulting from its hypoperfusion. The most important manifestation of hibernation is the preservation of the viability of the myocardial tissue. This phenomenon is based on three main mechanisms: 1) myocardial metabolic adaptation, manifested by enhanced glucose uptake; 2) activation of the cardiomyocyte death gene program; 3) programmed cell death, i. e. autophagy and apoptosis of cardiomyocytes. Methods for diagnosing viable myocardium include dobutamine stress echocardiography, single photon emission computed tomography of the myocardium, positron emission tomography, magnetic resonance imaging and electromechanical mapping. In the clinical aspect, the presence and volume of viable myocardium are taken into account when addressing the issue of revascularization in patients with one- and two-vessel coronary artery disease without involvement of the anterior descending artery, as well as in patients with a significant decrease in the global myocardial contractile function, when surgery can lead to an increase in the left ventricular ejection fraction.

It is well known that the multiple visible Stokes generation due to stimulated Raman scattering (SRS) of high-intensity ultrashort light pulses in long optical fibers (OF) could be realized. But the most effective parametric transformation of pump pulse energy in silica OF was demonstrated when the "phase-capture” regime for the same pump and Stokes pulses took place during the dynamic core index change by intensive picosecond light fields.1 The whole number of Stokes SRS components in that case exceeds 20. Unfortunately, the Raman gain is diminished from the visible to the IR region and, as a rule, other nonlinear processes (for example, self-phase modulation and 4-photon mixing) became preferable in silica OF.

Предлагается программное решение, направленное на улучшение качества распознавания образов и повышение эффективности инструментария машинного обучения посредством реализации grid-технологий. Формулируются стратегические направления разработки инструментария распознавания образов в виде программной системы, осно-ванной на принципах распределенных систем, распараллеливания и адаптивной настройки вычислительных ресурсов. Рассматривается структура организации web-инструментария распознавания образов с использованием концепции библиотеки алгоритмов. Даются алгоритмические решения распараллеливания алгоритмов обучения и распознавания на базе классических методов интеллектуального анализа данных, которые хорошо зарекомендовали себя на практике. К таким алгоритмам относятся методы прецедентов или методы, основанные на метриках близости. Они обладают большим потенциалом к распараллеливанию вычислительных процессов и разработке параллельных алгоритмов их реализации.Поиски путей повышения производительности вычислительной техники, особенно при реализации web-инстру-ментария на основе ресурсоемких вычислительных алгоритмов машинного распознавания и прогнозирования, при-вели к решению создать grid-систему. Рассматриваемые в статье архитектура и реализация grid-системы предполагают распараллеливание и организацию распределенных вычислений на многомашинной основе с применением интернет-технологий, что позволяет получить практически те же вычислительные мощности, что и на многопроцессорных ком-пьютерных системах, но с гораздо меньшей стоимостью.В статье решается задача повышения эффективности вычислительных ресурсов при возможности реконфигуриро-вания структуры интернет-соединений, в том числе процедуры настройки структуры вычислительной сети, подклю-чаемых каналов связи и выделенных серверов в зависимости от исходных алгоритмов и данных. Представлены зави-симости параметров времени выполнения операций от дисциплины обслуживания, адаптирующей систему к запросам пользователей. При этом задачи ранжируются по ресурсоемкости и под них выделяются соответствующие их рангу вычислительные мощности.Ключевые слова: интеллектуальные информационные системы, распознавание образов, машинное обучение, web-системы, параллельные вычисления.В современном мире рост производительности при обработке большого количества разнообраз-ной информации достигается только в тех случаях, когда часть интеллектуальной нагрузки берут на себя компьютеры. Одним из направлений исследо-ваний в области искусственного интеллекта [1, 2] являются интеллектуальные информационные си-стемы, которые находятся на пике исследователь-ской активности, практики прикладного приме-нения и коммерциализации. Они широко вошли в разные области промышленности, экономики, ме-дицины и т.д. Интеллектуальные информационные системы сосредоточили в себе наиболее наукоем-кие технологии с высоким уровнем автоматизации процессов не только подготовки информации для принятия решений, но и выработки вариантов ре-шений, опирающихся на полученные информаци-онной системой данные.Проблемы эффективног...