Sergey Filist

Sergey Filist

Auto-generated profile, based on publicly available information

Sergey Filist

Southwest State University

Research Focus & Metrics

Academic Career Length

19Years (2008-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
12 June 2024 in International Journal of Remote Sensing
Verified
Journal Article
Closed access
SFSergey Filist
Sergey Filist
RARiad Taha Al-kasasbeh
Riad Taha Al-kasasbeh
RTRima Alexandrovna Tomakova
Rima Alexandrovna Tomakova
AAA'kif Al-Fugara
A'kif Al-Fugara
OAOsama M. Al-Habahbeh
Osama M. Al-Habahbeh
IMIlyash Maksim
Ilyash Maksim

28 August 2014 in Bulletin of Siberian Medicine
Verified
Journal Article
Open access
PDF file
SFS. A. Filist
S. A. Filist
OSO. V. Shatalova
O. V. Shatalova
ABA. S. Bogdanov
A. S. Bogdanov
Цель исследования: совершенствование скрининговых систем диагностики социально значимых заболеваний путем моделирования вольтамперных характеристик биоактивных точек (БАТ) и классификации получаемых моделей посредством компьютерных технологий. Задачи исследования: – разработать структурно-функциональную модель электрической проводимости биоматериала в аномальных зонах (в области точек акупунктуры); – разработать метод формирования пространства информативных признаков, предназначенного для классификаторов функционального состояния биоматериала. Методы исследования. Для решения поставленных задач использовались методы теории линейных электрических цепей, методы математического моделирования. При моделировании проводимости биоматериала в качестве инструментария использовался Matlab 8.0. Материал и методы. Для моделирования вольтамперной характеристики БАТ предложено использовать структурно-функциональные модели с диодно-резистивными ячейками симметричной структуры. Разработан метод формирования пространства информативных признаков, предназначенного для классификаторов функционального состояния биоматериала, заключающийся в регистрации вольтамперных характеристик биоматериала в каждой биоактивной точке путем воздействия на них постоянным стабилизированным по уровню напряжением в диапазоне от –15 до 15 В, изменяемым с шагом в 1 В. Путем сопоставления характерных точек вольтамперной характеристики и параметров структурно-функциональной модели формируется вектор информативных признаков, предназначенный для нейросетевого классификатора. Результаты. Построена структурно-функциональная модель электропроводности биоматериала на основе диодно-резистивных ячеек. Проведен факторный анализ вольтамперных характеристик биоматериалов, на основании которого показано, что для построения структурно-функциональной модели электропроводности биоматериала достаточно семи диодно-резистивных ячеек.Выводы. Полученные результаты позволяют построить классифицирующие модули для доклинической диагностики социально значимых заболеваний или заболеваний, маскируемых функциональным состоянием организма или профессиональной деятельностью, например пиелонефрита у беременных. Для диагностики достаточно ввести в компьютер координаты вольтамперной характеристики БАТ (30 значений), после чего программа получит семь значений омических сопротивлений, соответствующих модели биоимпеданса, которые используются в качестве входного вектора информативных признаков в нейросетевом классификаторе.

26 May 2023 in Proceedings of the Southwest State University. Series: IT Management, Computer Science, Computer Engineering. Medical Equipment Engineering
Verified
Journal Article
Open access
PDF file
RTR. A. Tomakova
R. A. Tomakova
SFS. A. Filist
S. A. Filist
ABA. N. Brezhneva
A. N. Brezhneva
IGI. N. Gorbachev
I. N. Gorbachev
YZYa. O. Zaikin
Ya. O. Zaikin
The purpose of the research is to develop a method and algorithm for autonomous planning of the flight path of an unmanned aerial vehicle when monitoring the fire situation, which are designed for early detection of the source of ignition. Since timely detection of a fire source at the stage of its development allows to reduce both material and human losses, the development of a method and algorithm for autonomous flight trajectory planning of an unmanned aerial vehicle when monitoring the fire situation in order to detect the source of ignition early is an urgent, important task.Methods. A method for detecting the source of ignition is proposed. The method is based on three flight plans. Plan A provides for a flyby of the monitored area by gas with determination of the concentration of a harmful substance in each pixel of the monitoring area. When a pixel is detected in which the concentration of a harmful substance exceeds the threshold level, the flight control of the UAV is carried out through plan B, which provides for local planning to achieve the pixel target, which is determined by calculating local differential operators in a nine–element mask. Plan B allows the UAV to fly directly to the source of the fire and determine its coordinates. Flight plan C provides for the return of the UAV to the point of departure from any pixel of the monitoring zone.Results. An algorithm for controlling the UAV flight path has been developed, which allows determining local target pixels and building a local flight plan on this basis. The basis for constructing a local flight plan is the rule "at least three pixels on the tack", which allows you to obtain a nine-element matrix with known concentrations of harmful substances in the target pixel and determine those pixels of the local flight plan in which it is not possible to obtain this matrix.Conclusion. Mathematical modeling of the UAV flight control algorithm according to the proposed test method was implemented in the Matlab 8.0 package and showed control stability and high speed of reaching the coordinates of the pixel of the ignition source, exceeding the speed of achieving the set goal by 1.5...2 times, depending on the location of the ignition source relative to the direction of the flyby of the monitored territory.

1 January 2016 in Radio Industry (Russia)
Verified
Journal Article
Open access
PDF file
SFS. A. Filist
S. A. Filist
RTR. A. Tomakova
R. A. Tomakova
OSO. V. Shatalova
O. V. Shatalova
AКArray А. Кузьмин
Array А. Кузьмин
QKQ. Ali Kassim
Q. Ali Kassim
Актуальность в разработке интеллектуальных систем классификации сложноструктурируемых изображений возникает при обработке снимков с видеокамер беспилотных летательных аппаратов, используемых в навигационных целях при отсутствии связи с искусственными спутниками Земли или при анализе снимков оператором в режиме реального времени. Разработанный метод обеспечивает высокие требования к качеству классификации объектов на снимках, а также быстродействию выделения и классификации исследуемых сегментов изображения. Для классификации таких изображений предложены компьютерные технологии, основанные на методологии бустинга. Пространство информативных признаков формируется посредством спектральных окон, полученных в результате сканирования исходного изображения. Спектральные окна, принадлежащие к различным классам, располагаются в виде кластеров на плоскости Кохонена. Для формирования кластеров применяются правила коррекции векторов весов, позволяющие снизить величины незначащих компонент векторов, и определяются координаты центров кластеров. На основе кластерной структуры плоскости Кохонена строятся сильные классификаторы. Разработана и приведена структура сильного классификатора на нейронных сетях прямого распространения блочного типа, реализованная для задачи классификации рентгенограмм грудной клетки.

18 January 2018 in Biomedical Engineering
Verified
Journal Article
Closed access
PDF file
SFS. A. Filist
S. A. Filist
RTR. A. Tomakova
R. A. Tomakova
SDS. V. Degtyarev
S. V. Degtyarev
ARA. F. Rybochkin
A. F. Rybochkin

5 December 2020 in МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
Verified
Journal Article
Closed access
АМА.в. Мирошников
А.в. Мирошников
НСН.с. Стадниченко
Н.с. Стадниченко
ОШО.в. Шаталова
О.в. Шаталова
СФС.а. Филист
С.а. Филист
В результате проведенного исследования получены принципиально новые результаты, позволяющие создать интеллектуальные системы поддержки принятия решений по диагностике инфекционных заболеваний. Создана модель биоимпедансного анализа, основанная на многочастотной биоимпедансометрии, позволяющая осуществлять декомпозицию импеданса биоматериала на структурные элементы. На основе предложенной модели формировались дескрипторы, предназначенные для классификаторов, выполненных на обучаемых нейронных сетях. Для получения дескрипторов осуществлялось многочастотное зондирование биоматериала, на основе которого были построены графики Коула. Используя итерационные алгоритмы и эти графики были получены модели Войта импеданса биоматериала. Параметры этих моделей используются как дескрипторы для обучаемых классификаторов. На основе многочастотного зондирования получены алгоритмы дифференциального контроля импеданса ткани и импеданса жидкости, что позволит получить новые решающие правила для диагностики патологических состояний организма (сердечнососудистые, инфекционные и онкологические заболевания). В современном российском здравоохранении задача длительного наблюдения за состоянием человека практически всегда связана или с его госпитализацией, что неприемлемо как для трудоспособного населения, так и в ряде случаев для больных людей, или с арендой дорогостоящих мониторных систем на срок, не превышающий, как правило, 24-х часов, что не всегда достаточно для диагностических задач. As a result of the study, fundamentally new results have been obtained, which make it possible to create intelligent decision support systems for the diagnosis of infectious diseases. A bioimpedance analysis model has been created, based on multifrequency bioimpedance measurement, which allows decomposition of biomaterial impedance into structural elements. On the basis of the proposed model, descriptors were formed, intended for classifiers, performed on trained neural networks. To obtain descriptors, multifrequency sounding of the biomaterial was carried out, on the basis of which Cole's graphs were constructed. Using iterative algorithms and these graphs, Voigt models of the biomaterial impedance were obtained. The parameters of these models are used as descriptors for the trained classifiers. On the basis of multifrequency sensing, algorithms for differential control of tissue impedance and fluid impedance have been obtained, which will make it possible to obtain new decisive rules for diagnosing pathological conditions of the body (cardiovascular, infectious and oncological diseases). In modern Russian healthcare, the task of long-term monitoring of a person's condition is almost always associated with either his hospitalization, which is unacceptable both for the working-age population and in some cases for sick people, or with the rent of expensive monitoring systems for a period not exceeding, as a rule, 24 hours, which is not always enough for diagnostic tasks.