Актуальність теми: На сьогодні в різних технічних застосунках в галузі автоматизованого неруйнівного контролю (НК) актуальним є питання визначення координат дефектів, різного роду неоднорідностей матеріалу тощо, які не відповідають вимогам якості контрольованих виробів. Використання координатної інформації дає змогу проводити моніторинг дефектів, а також будувати B- та C-скани, які містять не лише інформацію про дефекти, але й координати їх розташування на поверхні об’єкта контролю (ОК). За такого підходу згідно отриманих даних можна як спостерігати процес розвитку дефектів, так і відслідковувати появу нових дефектів, проводити додаткові дослідження виявлених дефектів іншими методами НК, а також виконувати оцінку загального стану ОК. Розв’язання питань автоматизації НК в багатьох практичних задачах вимагає застосування безконтактних методів реєстрації координатної інформації. Такі методи потребують використання додаткових засобів інформаційно-вимірювальної техніки, орієнтованих на використання різних фізичних полів та явищ – акустичних, оптичних тощо, і формування відповідних інформаційних сигналів, які є носіями координатної інформації. В реальних умовах такі сигнали спостерігаються на фоні значних шумів та завад. Тому дослідження безконтактних методів координатної реєстрації інформації в системах автоматизованого НК, які забезпечують достовірне і точне визначення координат за умов малого відношення сигнал/шум є актуальним напрямом розвитку НК.

Магістерська дисертація складається з 4 розділів, 97 сторінок, містить 39 ілюстрацій, 33 таблиць, було опрацьовано 46 джерел.
Мета роботи: автоматизація процесу розпізнавання онкологічних захворювань, що забезпечуватиме підвищення точності та достовірності роботи систем діагностики.

Об’єктом дослідження є пухлинні захворювання.
Предметом дослідження є алгоритми нейронних мереж для виявлення та класифікації захворювань на основі ультразвукових зображень.

Магістерська дисертація складається з 5 розділів, 95 сторінок, містить 23 ілюстрації, 38 таблиць, було опрацьовано 38 джерел.
Мета роботи: автоматизація процесу аналізу термографічних зображень із застосуванням нейромережевих технологій, що забезпечуватиме підвищення інформативності та достовірності роботи систем тепловізійного відеонагляду.

Завдання магістерської роботи:
1. Проаналізувати сучасний стан систем тепловізійного відеонагляду та визначити напрямки їх удосконалення.
2. Ознайомитися з існуючими методами автоматизованого виявлення і розпізнавання об'єктів на термографічних зображеннях.

Магістерська дисертація складається з 97 сторінок, 40 рисунків, 27 літературних джерел.
Магістерська дисертація являє собою постановку і вирішення задачі проектування акустико-емісійної системи для виявлення тріщин в протяжному, металевому об’єкта контролю. Завданням даного проекту є розрахунок п’єзоперетворювача та електроакустичного трактів датчика для контролю витоку рідин в трубопроводі. В магістерській дисертації наведені розрахунки: геометричних розмірів блоку контролю (п’єзоелектричного перетворювача, розташування датчиків на об’єкті контролю) з урахуванням особливостей контролю, вірогідності контролю та електричних елементів. В графічній частині магістерської дисертації приведена структурна схема датчика виконана на аркуші формату А3, функціональна схема – на аркуші А2, складальний кресленик датчика – на аркуші формату А1, електрична принципова схема – на аркуші А0, та специфікації на електричну принципову схему та складальний кресленик.

Основний текст магістерської дисертації складається з чотирьох розділів та викладено на 96 сторінках. У ході написання матеріалів роботи опрацьовано 48 джерел наукової літератури.

Актуальність роботи: захворювання легень є однією з значимих причин смертності у всьому світі. Перед лікарями-рентгенологами кожен день стоїть задача діагностування захворювань легень шляхом аналізу рентгенівських знімків грудної клітини пацієнта. Розвиток алгоритмів машинного навчання надає широкі можливості у галузі автоматизації вирішення біомедичних завдань. Можливе застосування комп'ютерної обробки рентгенівських знімків підвищить точність аналізу зображень, знизить роль людського фактора при прийнятті рішень, дозволить оцінити ефективність застосування терапії, якісно та швидко класифікувати дані зі зображень і в цілому покращити якість життя людей.

АСНК КПІ ім. Ігоря Сікорського, 2021