В задачах акустики большую роль играет генерация и обработка тех или иных сигналов. Обе эти процедуры не обходятся без привлечения мощных математических алгоритмов и современных программных подходов, включающих методы искусственного интеллекта и параллельные вычисления.
Студентам 1 и 2 курсов с хорошей успеваемостью предлагаются темы научной работы, которые позволят изучить эти популярные направления и послужат неплохим портфолио при будущем трудоустройстве.
Для студентов, имеющих математическую подготовку, рекомендуем к изучению курс "Методы машинного обучения".
1. Обнаружение патологий на УЗИ-изображениях мягких тканей
Ультразвуковое исследование – дешевый и распространенный способ интроскопии биологических тканей. Его недостатком является невозможность определить пространственное распределение физических параметров среды, вместо которого врач наблюдает лишь некоторое изображение. Для постановки верного диагноза квалификация врача должна быть очень высокой.
Задача: разработать метод сегментации УЗИ изображений молочной железы, печени и других органов с выделением на них областей здоровой ткани и предполагаемых патологий. Входными данными служит открытый датасет из нескольких тысяч таких изображений.
2. Использование нейронных сетей для реконструкции объектов по рассеянному ими акустическому полю
Более «продвинутые» системы медицинской акустической диагностики –томографы – используют многоракурсное излучение и прием сигналов. Это позволяет определять в каждой точке пространства скорость звука, его поглощение в ткани и некоторые другие важные параметры. Из-за рефракции алгоритмы обработки полученных данных являются очень сложными, и приемлемый результат получается далеко не всегда.
Задача: исследовать возможности нейронных сетей для решения описанной задачи в узком классе объектов простой формы и сравнить результаты с «классическими» алгоритмами.
3. Диагностика заболеваний сердца по параметрам звука его ударов
Запись звука ударов сердца является простой и неинвазивной процедурой. Такая запись содержит много информации и может быть использована для быстрого принятия решения о необходимости проведении более тщательного исследования. В нашем распоряжении имеется открытый датасет с 27000 записей, содержащих различные характеристики пульса.
Задача: определить, насколько те или иные параметры пульса важны для диагностики патологии. Исследовать возможности разных методов машинного обучения для достижения наилучшего процента правильных прогнозов.
4. Проектирование устройств для контроля над акустическим полем
Развитие технологий 3D печати и миниатюризации позволяет относительно недорого создавать метаматериалы – сложные структуры, имеющие характерные масштабы, меньшие длины акустической волны. Такие структуры могут обладать необычными и полезными на практике свойствами: отрицательным преломлением, обратным отражением, сокрытием объектов, повышенным поглощением звука и т.д.
Задача: разработать методы для эффективного расчета акустического поля в метаматериалах, а также для оптимизации их структуры с целью получения заданных эффектов.
5. Интеллектуальная предобработка ультразвуковых сигналов
В ряде приложений требуется создать мощный звуковой или ультразвуковой сигнал в строго ограниченной полосе частот. Однако усилители и воспроизводящие устройства часто нелинейны, а фильтры чувствительны к условиям окружающей среды, что создает существенные трудности. Аналогичные проблемы возникают у мощных ретрансляторов сотовой связи и в высокоскоростных линиях оптической связи.
Задача: предложить быстродействующий самообучающийся алгоритм, вносящий в произвольный исходный сигнал искажения так, чтобы нелинейные процессы в последующих узлах устройства компенсировались.
