Аннотация В работе рассматривается задача классификации бинарных изображений двумерных фигур. При этом в качестве дескриптора формы фигуры предлагается использовать скелетногеодезическую гистограмму толщин-расстояний. Дескрипторы формы, основанные на статистиках парных расстояний между точками фигуры, хорошо известны. Известно также, что гистограммы парных геодезических расстояний между точками фигуры обладают устойчивостью к гибким деформациям частей фигуры, при которых не нарушается топология фигуры и мало изменяется её локальная толщина. Предложенный новый дескриптор представляет собой совместную гистограмму скелетно-геодезических расстояний и разностей локальных толщин между точками фигуры. Такая статистика является более информативной за счёт использования дополнительной информации о локальной толщине фигуры. Кроме того, предложенный подход к её вычислению на основе анализа рёбер непрерывного скелета и областей их притяжения позволяет значительно ускорить время расчёта по сравнению с гистограммами геодезических расстояний. Приведены результаты экспериментов, подтверждающих эффективность применения предложенного дескриптора в задачах классификации двумерных фигур. Ключевые слова: анализ бинарных фигур, классификация, непрерывные скелеты, скелетно-геодезические расстояния, гистограммы. Цитирование: Ломов, Н.А. Классификация двумерных фигур с использованием скелетно-геодезических гистограмм толщин-расстояний / Н.А.
<p><strong>Abstract.</strong> The article is dedicated to the development of neural networks that process data of a special kind – a medial representation of the shape, which is considered as a special case of an undirected graph. Methods for solving problems that complicate the processing of data of this type by traditional neural networks – different length of input data, heterogeneity of its structure, unordered constituent elements – are proposed. Skeletal counterparts of standard operations used in convolutional neural networks are formulated. Experiments on character recognition for various fonts, on classification of handwritten digits and data compression using the autoencoder-style architecture are carried out.</p>
Dear Editor,Chromosomal translocations result from the interchange of genetic material between non-homologous chromosomes. Chromosomal translocations are formed by erroneous repair of double-stranded breaks (DSBs) via non-homologous end joining (NHEJ) [1]. Some genotoxic drugs produce DSBs and thus present a major risk factor for the development of oncogenic chromosomal translocations. The risk factors that interfere with translocationprone DSB repair, once DSBs are already formed, are obscure, and potential effects of drugs on translocation formation during this step have never been explored.The study of chromosomal translocations is complicated since naturally occurring translocations are rare, and the localization of breakpoints varies from kilobases to hundreds of kilobases, which complicates their detection. In contrast, when DSBs are generated at precise loci, the translocation can be easily detected by PCR. In the present work, we developed two experimental human B cell-based models to study lymphomagenic t(8;14) MYC-IGH and
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.