http://dspace.zsmu.edu.ua/handle/123456789/2402 2026-04-22T07:13:09Z 2026-04-22T07:13:09Z Belenichev, I. F. Aliyeva, O. G. Burlaka, B. S. Bukhtiyarova, N. V. Shabelnyk, K. P. Бєленічев, Ігор Федорович Алієва, Олена Геннадіївна Бурлака, Богдан Сергійович Бухтіярова, Ніна Вікторівна Шабельник, Костянтин Петрович http://dspace.zsmu.edu.ua/handle/123456789/24890 2026-04-21T12:20:02Z 2026-01-01T00:00:00Z

Название: Prospects for the Rapid Delivery of Active Pharmaceutical Ingredients to the Brain for Neuroprotective Action: Examples of Nasal Gel Formulations Авторы: Belenichev, I. F.; Aliyeva, O. G.; Burlaka, B. S.; Bukhtiyarova, N. V.; Shabelnyk, K. P.; Бєленічев, Ігор Федорович; Алієва, Олена Геннадіївна; Бурлака, Богдан Сергійович; Бухтіярова, Ніна Вікторівна; Шабельник, Костянтин Петрович

2026-01-01T00:00:00Z Робота, Дмитро Вадимович Павлов, Сергій Васильович Robota, D. V. Pavlov, S. V. http://dspace.zsmu.edu.ua/handle/123456789/24843 2026-04-14T06:18:54Z 2026-01-01T00:00:00Z

Название: Вивчення впливу оптимізаторів Adam та SGDM на навчання нейронної мережі U-Net для сегментації епітеліальних компонентів нормальної тканини кишечника Авторы: Робота, Дмитро Вадимович; Павлов, Сергій Васильович; Robota, D. V.; Pavlov, S. V. Аннотация: Анотація. Впровадження комп’ютерних технологій у медичну практику докорінно змінює підходи до аналізу гістопатологічних даних, перетворюючи цифрову патологію на необхідний елемент діагностичного процесу. Використання повнослайдових зображень у поєднанні з методами глибокого навчання дозволяє автоматизувати складні завдання, такі як сегментація тканинних структур. Одним із ключових викликів у цьому напрямку є забезпечення високої точності розпізнавання дрібних морфологічних елементів на зображеннях високої роздільної здатності, що критично залежить від архітектури нейронної мережі та параметрів її навчання. Ці аспекти безпосередньо впливають на надійність автоматизованих систем підтримки прийняття рішень, особливо при аналізі структур кишечника, де важливо чітко розмежовувати епітеліальні та стромальні компоненти. Відсутність обґрунтованого підходу до вибору алгоритмів оптимізації може призводити до втрати діагностично значущої інформації та появи артефактів сегментації. У цьому дослідженні розглянуто вплив різних алгоритмів оптимізації в архітектурі U-Net на якість піксельної класифікації епітеліальних субкомпонентів (крипт та поверхневого епітелію) нормальної тканини кишківника. У ході проведеного дослідження оцінено ефективність застосування оптимізаторів Adam та SGDM для навчання згорткової нейронної мережі U-Net з енкодером ResNet50. Проведено порівняльний аналіз отриманих моделей на наборі гістологічних даних та визначено найбільш оптимальну конфігурацію для даного типу морфологічних структур. Отримані експериментальні результати демонструють суттєву перевагу використання оптимізатора Adam, який забезпечує високі показники якості сегментації та стабільність навчання: Global Accuracy: 0.96, Specificity: 0.93, відносний приріст Specificity порівняно з SGDM склав +14.81%. Отримані результати підтверджують перспективність використання адаптивних методів оптимізації в задачах цифрової патології для високогранульованої сегментації. Застосування алгоритму Adam дозволяє мінімізувати кількість хибнопозитивних передбачень у стромальних ділянках, що значно підвищує точність морфометричного аналізу та має важливе значення для подальших фундаментальних та клінічних досліджень у галузі онкології. The integration of computer technologies into medical practice is fundamentally transforming approaches to histopathological data analysis, positioning digital pathology as an essential component of the diagnostic workflow. The use of Whole Slide Images (WSIs) in combination with deep learning methods enables the automation of complex tasks, including tissue structure segmentation. A key challenge in this field is achieving high accuracy in the recognition of small morphological elements within high-resolution images, which critically depends on neural network architecture and training parameters. These factors directly influence the reliability of automated decision-support systems, particularly in the analysis of intestinal tissue, where precise differentiation between epithelial and stromal components is essential. The absence of a wellfounded strategy for selecting optimization algorithms may result in the loss of diagnostically relevant information and the generation of segmentation artifacts. This study investigates the impact of different optimization algorithms within the U-Net architecture on the accuracy of pixel-level classification of epithelial subcomponents (crypts and surface epithelium) in normal intestinal tissue. In the present study, the performance of the Adam and stochastic gradient descent with momentum (SGDM) optimizers was evaluated for training a U-Net convolutional neural network with a ResNet50 encoder. A comparative analysis of the resulting models was conducted using a histological image dataset to determine the optimal configuration for segmenting this type of morphological structure. The experimental findings demonstrated a clear advantage of the Adam optimizer, which ensured superior segmentation performance and greater training stability. Specifically, the Adam-based model achieved a Global Accuracy of 0.96 and a Specificity of 0.93, representing a 14.81% relative increase in Specificity compared to the SGDM optimizer. These results highlight the potential of adaptive optimization methods in digital pathology tasks requiring high-resolution segmentation. The use of the Adam algorithm reduced the number of false-positive predictions in stromal regions, thereby improving the reliability of morphometric analysis. This enhancement is particularly relevant for both fundamental and clinical oncology research.

2026-01-01T00:00:00Z Люлько, Олексій Олексійович Павлов, Сергій Васильович Коломоєць, Юлія Сергіївна Бурлака, Кристина Анатоліївна Біленький, Сергій Андрійович Liulko, O. O. Pavlov, S. V. Kolomoiets, Y. S. Burlaka, K. A. Bilenkyi, S. A. http://dspace.zsmu.edu.ua/handle/123456789/24825 2026-04-13T06:01:46Z 2025-01-01T00:00:00Z

Название: Актуальність дослідження маркерів фіброзу нирки: від патогенезу до клінічної практики Авторы: Люлько, Олексій Олексійович; Павлов, Сергій Васильович; Коломоєць, Юлія Сергіївна; Бурлака, Кристина Анатоліївна; Біленький, Сергій Андрійович; Liulko, O. O.; Pavlov, S. V.; Kolomoiets, Y. S.; Burlaka, K. A.; Bilenkyi, S. A. Аннотация: Мета. Провести літературний аналіз патогенетичних механізмів розвитку ниркового фіброзу, зокрема при обструктивній уропатії; систематизувати сучасні дані щодо ключових молекулярних маркерів цього процесу; та обґрунтувати їх клінічне значення для ранньої діагностики, прогнозування та персоналізованого лікування пацієнтів, зокрема з сечокам’яною хворобою. Матеріали та методи. Проведено літературний аналіз патогенетичних механізмів розвитку ниркового фіброзу, зокрема при обструктивній уропатії, систематизовано сучасні дані щодо ключових молекулярних маркерів цього процесу та обґрунтовано їх клінічне значення для ранньої діагностики, прогнозування та персоналізованого лікування пацієнтів, зокрема з сечокам’яною хворобою. У роботі здійснено комплексний аналіз і узагальнення даних сучасних наукових публікацій, присвячених проблемі ниркового фіброзу. Методологічну основу становив ретроспективний огляд із синтезом результатів клінічних та експериментальних досліджень, представлених у вітчизняних і міжнародних рецензованих виданнях. Для досягнення мети застосовано порівняльний аналіз, систематизацію та критичну інтерпретацію даних, що дозволило сформувати цілісне уявлення про патогенез захворювання та визначити практично значущі взаємозв’язки. Objective. To conduct a literature-based analysis of the pathogenetic mechanisms of renal fibrosis development, particularly in obstructive uropathy; to systematize current data on key molecular markers of this process; and to substantiate their clinical significance for early diagnosis, prognosis, and personalized treatment of patients, including those with urolithiasis. Materials and methods. A literature review of the pathogenetic mechanisms of renal fibrosis development, particularly in obstructive uropathy, was conducted. Current data on key molecular markers of this process were systematized, and their clinical relevance for early diagnosis, risk prediction, and personalized treatment of patients, including those with urolithiasis, was substantiated. A comprehensive analysis and synthesis of contemporary scientific publications on renal fibrosis were performed. The methodological basis included a retrospective review with integration of clinical and experimental study results from domestic and international peer-reviewed journals. Comparative analysis, data systematization, and critical interpretation were applied to form a comprehensive understanding of disease pathogenesis and identify clinically relevant relationships.

2025-01-01T00:00:00Z Корнієнко, Олена Олександрівна Рябоконь, Олена Вячеславівна Оніщенко, Тетяна Євгенівна Саліонов, Володимир Олександрович http://dspace.zsmu.edu.ua/handle/123456789/24743 2026-04-03T07:09:13Z 2026-01-01T00:00:00Z

Название: Цифрові технології в медичній освіті: можливості та перспективи телемедицини Авторы: Корнієнко, Олена Олександрівна; Рябоконь, Олена Вячеславівна; Оніщенко, Тетяна Євгенівна; Саліонов, Володимир Олександрович Аннотация: Цифровізація медицини стала одним із ключових напрямів трансформації охорони здоров’я у світі, яка в Україні значною мірою прискорилася під впливом двох надзвичайно важливих факторів: глобальної пандемії COVID-19 та повномасштабної війни. В умовах реформування медичної галузі України, зростання потреби у віддаленому наданні медичної допомоги, а також впливу соціально-економічних і безпекових чинників особливої актуальності набуває телемедицина.

2026-01-01T00:00:00Z