Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/31382| Назва: | Аналіз методів сегментації зображень/сигналів в задачах медичного діагностування |
| Інші назви: | Analysis of image / signal segmentation methods in medical diagnostic tasks |
| Автори: | Синявський, Віталій Іванович Sinyavsky, Vitaliy |
| Бібліографічний опис: | Синявський В.І. Аналіз методів сегментації зображень/сигналів в задачах медичного діагностування : дипломна робота магістра за спеціальністю „122 — комп’ютерні науки“ / В.І. Синявський – Тернопіль: ТНТУ, 2019. – 129 с. |
| Bibliographic description: | Sinyavsky V.I. Analysis of image / signal segmentation methods in medical diagnostic tasks 124 «Computer science» / V.I. Sinyavsky – Ternopil Ivan Puluj National Technical University – Ternopil: TNTU, 2019. – 129 p. |
| Дата публікації: | 27-гру-2019 |
| Дата внесення: | 10-бер-2020 |
| Країна (код): | UA |
| Науковий керівник: | Литвиненко, Ярослав Володимирович |
| Члени комітету: | Пастух, Олег Анатолійович |
| УДК: | 004.415.5 |
| Теми: | 122 комп’ютерні науки |
| Короткий огляд (реферат): | В дипломній роботі проведений аналіз існуючих методів сегментації зображень у медицині та розроблено програмний засіб сегментації зображень. |
| Опис: | The diploma thesis analyzes the existing methods of image segmentation in medicine and developed a software for image segmentation. |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/31382 |
| Власник авторського права: | Синявський©2019 |
| References: | 1. Форсайт Д. А., Понс Дж. Компьютерное зрение. Современный подход. - M.: Вильямс, 2004.- 928 с.- ISBN 5-8459-0542-7. 2. Шапиро Л., Штокман Дж. Компьютерное зрение. - M.: Бином, 2009. - 763с. 3. Арлазаров В.Л. Сегментация объектов малого размера на цветных изображениях / В.Л. Арлазаров, М.Д. Казанов // Программирование: Отделения математических наук РАН. - 2008. - №3. - С. 65-76. - ISSN 0132- 3474. 4. Горелик А.Л., Скрипкин В.А. Методы распознавания. - М.: ВШ, 1989.- 256с. 5. Р. Гонсалес, Р. Вудс. Цифровая обработка изображений. - Москва: Техносфера, 2005. – 1072с. 6. Вінцюк Т. К. Образний комп’ютер: концепції, методологія, підходи // Праці П’ятої Всеукраїнської Міжнародної конференції «Оброблення сигналів і зображень та розпізнавання образів». (УкрОбраз’00). – Київ:– 2000. – С. 9– 16. 7. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер. с англ. - М.: Мир. – 1976. – 512 с. 8. Хавалко В. М. Проблема вибору множини елементарних об’єктів для ефективного синтезу складних зображень // Вісник Державного університету "Львівська політехніка": Комп’ютерна інженерія та інформаційні технології. – № 392. – 2000. – С.131–136. 9. Іванюк В. Г., Лау Г., Лобур М. В. Розробка завадостійких алгоритмів оцінки компонентів кольорових зображень // Вісник НУ “Львівська політехніка” „Комп’ютерні системи проектування. Теорія і практика”. – № 487. – 2005. – С. 22– 30. 10.Прэтт У. К. Цифровая обработка изображений. - М.: Мир. – 1982. – 792 с. 11.Ismaili I. A., Gillies D. F. Color images segmentation using regression analysis in RGB space // Machine Graphics and Vision. – Vol. 3, No.1/2. – 1994 . – P. 373–384. 12.Рудаков П. И., Сафронов И. В. Обработка сигналов и изображений MATLAB 5.x / под общ. ред. к. т. н. В. Г. Потемкина. – М.: ДИАЛОГМИФИ. – 2000. – 416 с. 13.Canny J. A Computational Approach to Edge Detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. – Vol. 8, No. 6. – 1986. – P. 679– 698. 14.Антощук С., Крилов В., Бабилунга О. Ієрархічна модель контурної сегментації зображень // Оброблення сигналів і зображень та розпізнавання образів. УкрОбраз. – Київ. – 2006. – С. 107–110. 15.Куценко Л. М., Ромін А. В. Сегментація контура напівтонового зображення // Проблемы пожарной безопасности. Харьков: Фолио. – Выпуск 9. – 2000. – C. 111–114. 16.Минченков М. В., Юрин Д. В., Хельвас А. В. Алгоритм автоматической сегментации изображений на основе релеевского детектора границ двумерных объектов. //В сб. Труды конференции. 12-я Международная Конференция по Компьютерной Графике и Машинному Зрению ГрафиКон’2002. Нижний Новгород. – 2002. – С. 243–250. 17.Ковтун И. Текстурная сегментация изображений на основании марковских случайных полей // УСиМ. – 2003. – № 4. – С. 46–55. 18.Shi J., Malik J. Normalized Cuts and Image Segmentation // IEEE Transaction on Pattern Analysis and Machine Intelligence. – Vol. 22, No. 8. – 2000. – P. 888– 905. 19.Pavan M., Pelillo M. A New Graph-Theoretic Approach to Clustering and Segmentation // Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, IEEE Computer Society Press. – Vol. 1. – 2003. – P. 145–152. 20.E. Davies, Machine Vision: Theory, Algorithms, Practicalities. San Francisco, CA: Morgan Kaufmann, 2005. 21.P. Sahoo, S. Soltani, and A. Wong, “Survey of thresholding techniques,” Comp. Vis. Graph. Image Proc., Vol. 41, no. 2, pp. 233 - 60, 1988. 22.A.Rehman, and T. Saba, “Performance analysis of segmentation approach for cursive handwritten word recognition on benchmark database,” Digit. Signal Process., Vol. 21, no. 3, pp. 48 - 90, 2011. 23.J. Weszka, “A survey of threshold selection techniques,” Comp. Graph. Image Proc., Vol. 7, pp. 259 - 65, 1978. 24.A.Rehman, and D. Mohamad, “A simple segmentation approach for unconstrained cursive handwritten words in conjunction of neural network,” Int. J. Image Process., Vol. 2. no. 3, pp. 29 - 35, 2008. 25.E. Rad, M. S. M. Rahim, A. Rehman, A. Altameem, and T. Saba, “Evaluation of current dental radiographs segmentation approaches in computer-aided applications,” IETE Tech. Rev., Vol. 30, no. 3, pp. 210 - 22, 2013. 26.D. L. Pham, C. Xu, and J. L. Prince, “A survey of current methods in medical image segmentation,” Ann. Rev. Biomed. Eng., Vol. 2, pp. 315 - 37, 1998. 27.Leea, S. Huha, T. A. Ketter, and M. Unserc, “Unsupervised connectivity-based thresholding segmentation of midsagittal brain MR images,” Comp. Biol. Med., Vol. 28, no. 3, pp. 309 - 38, 1998. 28.J. Zhang, C. Yan, C. Chui, and S. Ong, “Fast segmentation of bone in CT images using 3D adaptive thresholding,” Comput. Biol. Med., Vol. 40, no. 2, pp. 231 - 36, 2010. 29.R. S. A. V. K. V. Shrimali, “Current trends in segmentation of medical ultrasound B-mode images: A review,” IETE Tech. Rev., Vol. 1, no. 8 - 17, pp. 26, 2009. 30.A.Paul, K. Bharanitharan, and J. Wu, “Algorithm and architecture for adaptive motion estimation in video processing,” IETE Tech. Rev., Vol. 30, no. 1, pp. 24 - 30, 2013. 31.R. Adams, and L. Bischof, “Seeded region growing,” IEEE Trans. Pattern Anal. Mach. Intell., Vol. 16, no. 6. pp. 641 - 7, 1994. 32.J. Fan, G. Zeng, M. Body, and M. Hacid, “Seeded region growing: An extensive and comparative study,” Pattern Recog. Lett., Vol. 26, no. 8, pp. 1139 - 56, 2005. 33.J. Freixenet, D. Raba, A. Oliver, and J. Espunya, “Breast profile segmentation based on the region growing approach,” Int. Cong. Ser., Vol. 1281, pp. 1281 - 397, 2005. 34.G. Hu, and Mageras, “Survey of recent volumetric medical image segmentation techniques,” Biomedical Engineering, Vukovar, Crotia: In-Tech, pp. 321 - 6, 2009. 35.G. Rabottino, A. Mencattini, M. Salmeri, F. Caselli, and R. Lojacono, “Performance evaluation of a region growing procedure for mammographic breast,” Comp. Stand. Inter., Vol. 33, no. 2, pp. 128 - 35, 2011. 36.Z. Huo, M. Giger, C. Vyborny, and U. Bick, “Analysis of speculation in the computerized classification of mammographic masses,” Med. Phys., Vol. 22, no. 10, pp. 156 - 79, 1965. 37.S. Umbaugh, Computer Vision and Image Processing: A Practical Approach Using CVIPTools. Upper Saddle, NJ: Prentice Hall PTR, pp. 1 - 40, 1997. 38.A. Olivera, J. Jordi Freixeneta, and J. Joan Martia, “A review of automatic mass detection and segmentation in mammographic images,” Med. Image Anal., Vol. 14, no. 2, pp. 87 - 110, 2010. 39.M. Bishop, Pattern Recognition and Machine Learning. New York: Springer, pp. 1 - 5, 2006. 40.W. Gibson, Pattern Recognition. Berkley: Berkley Press, pp. 74 - 89, 2005. 41.S. Theodoridis, A. Pikrakis, K. Koutroumbas, and D. Cavouras, Introduction to Pattern Recognition: A Matlab Approach. Burlington, VT: Academic Press, 2010. 42.E. S. El-Dahshan, T. Hosny, and A. M. Salem, “Hybrid intelligent techniques for MRI brain images classification,” Digit. Signal Process., Vol. 20, no. 2, pp. 433 - 41, 2010. 43.K. Murphya, B. van Ginnekena, A. Schilhama, and B. Hoopb, “A large-scale evaluation of automatic pulmonary nodule detection in chest CT using local image features and k-nearestneighbour classification,” Med. Image Anal., Vol. 13, no. 5, pp. 757 - 70, 2009. 44.H. Yan, J. Mao, Y. Zhu, and B. Chen, “Magnetic resonance image segmentation using optimized nearest neighbor classifiers,” IEEE Proc. ICIP, Vol. 3, pp. 49 - 52, 1994. 45.J. Bezdek, “Computing with uncertainty,” IEEE Commun. Mag., Vol. 30, no. 2, pp. 24 - 36, 1992. 46.L. Clarke, R. P. Velthuizen, S. Phuphanich, J. Schellenberg, J. Arrington, and M. Silbiger, “MRI: Stability of three supervised segmentation techniques,” Magn. Reson. Imag., Vol. 11, no. 1, pp. 95 - 106, 1993. 47.S. Hua, and P. Shao, “Improved nearest neighbor interpolators based on confidence region in medical image registration,” Biomed. Signal Process. Control, Vol. 7, no. 5, pp. 525 - 36, 2012. 48.K. Chuang, M. Jan, J. Wu, and J. Lu, “A maximum likelihood expectation maximization,” Comput. Med. Imag. Graph., Vol. 29, no. 7, pp. 571 - 8, 2005. 49.P. Rahmatia, A. Adler, and G. Hamarneh, “Mammography segmentation with maximum likelihood active contours,” Med. Image Anal., Vol. 16, no. 6, pp. 20, 2012. 50.A.Sarti, C. Corsi, E. Mazzini, and C. Lamberti, “Maximum likelihood segmentation of ultrasound images with rayleigh distribution,” IEEE Trans. Ultrason. Ferro. Freq. Contr., Vol. 52, no. 6, pp. 947 - 60, 2005 51.S. Redmond, and C. Heneghan, “A method for initialising the K-means clustering algorithm using kd-trees,” Pattern Recog. Lett., Vol. 28, no. 8, pp. 965 - 73, 2007. 52.M. Celebi, H. Kingravi, and P. Vela, “A comparative study of efficient initialization methods for the k-means clustering algorithm,” Expert Syst. Appl., Vol. 28, no. 8, pp. 11, 2012. 53.L. Juang, and M. Wu, “MRI brain lesion image detection based on colorconverted K-means,” Measurement, Vol. 43, no. 7, pp. 941 - 9, 2010. 54.M. Yan, P. Philadelphia, and J. Karp, “Segmentation of 3D brain MR using an adaptive K-means clustering algorithm,” in Proceedings of the Nuclear Science Symposium and Medical Imaging Conference, Norfolk, VA, pp. 1529 - 3, 1994. 55.G. Sulong, T. Saba, A. Rehman, and Saparudin. “A new scars removal technique of fingerprint images,” in Proceedings of the IEEE International Conference on Instrumentation Communication, Information Technology and Biomedical Engineering (ICICI-BME), Bandung, Indonesia, 2009, pp. 31 - 5. 56.K. Meethongjan, D. Mohamad, A. Rehman, A. Altameem, and T. Saba, “An intelligent fused approach for face recognition,” J. Intell. Syst., Vol. 22, no. 1, pp. 71 - 80, 2013. 57.J. Wanga, J. Kongb, Y. Lub, M. Qib, and B. Zhanga, “A modified FCM algorithm for MRI brain image segmentation using both local and non-local spatial constraints,” Comput. Med. Imag. Graph., Vol. 32, no. 8, pp. 685 - 98, 2008. 58.M. Brandt, T. Bohan, L. Kramer, and J. Fletcher, “Estimation of CSF, white matter and gray matter volumes in hydrocephalic children using fuzzy clustering of MR images,” Comput. Med. Imag. Graph., Vol. 18, no. 1, pp. 25 - 34, 1994. 59.M. Ahmed, S. Yamany, N. Mohamed, and A. A. Farag, “A modified fuzzy cmeans algorithm for bias field estimation and segmentation of MRI data,” IEEE Trans. Med. Imag., Vol. 21, no. 3, pp. 193 - 9, 2002. 60.M. Yanga, Y. Hua, K. C. Lin, and C. C. Linc, “Segmentation techniques for tissue differentiation in MRI of Ophthalmology using fuzzy clustering algorithms,” Magn. Reson. Imag., Vol. 21, no. 3, pp. 173 - 9, 2002. 61.X. Xie, and G. Beni, “Validity measure for fuzzy clustering,” IEEE Trans. Pattern Anal. Mach. Intell., Vol. 13, no. 8, pp. 841 - 6, 1991. 62.X. Wang, Y. Wang, and L. Wang, “Improving fuzzy c-means clustering based on feature-weight learning,” Pattern Recog. Lett., Vol. 13, no. 8, pp. 1123 - 32, 2004. 63.K. Revathy, and V. Roshni, “Applying EM algorithm for segmentation of textured images,” in Proceedings of the World Congress on Engineering, London, 2007. 64.Carson, and H. Greenspan, “Blobworld: Image segmentation using expectationmaximization and its application to image querying,” IEEE Trans. Pattern Anal. Mach. Intell., Vol. 24, no. 8, pp. 1026 - 38, 2002. 65.H. Chen, X. Lei, and D. Yao, “An improved ordered subsets expectation maximization positron emission computerized tomography reconstruction,” Comput. Biol. Med., Vol. 37, no. 12, pp. 1780 - 5, 2007. 66.M. Mahjoub, and K. Kalti, “Image segmentation by adaptive distance based on EM algorithm,” Int. J. Adv. Comput. Sci. Appl., pp. 19 - 25, 2011.[CE: Volume missing] 67.Грекис Е. А. Разработка модульной архитектуры приложения для обработки медицинских изображений // Современное состояние и перспективы развития технических наук: сборник статей Международной научно-практической конференции. - Т. 33. - Уфа : Аэтерна, 2015. - С. 19- 21. 68.Stockman G., Shapiro L. G. Computer Vision. - 1st edition. - Upper Saddle River, NJ, USA : Prentice Hall PTR, 2001. 69.Шлее М. Qt 4.5 Профессиональное программирование на C++. - СПб : БХВПетербург, 2010. 70.Tu L., Dong C. Histogram equalization and image feature matching // Image and Signal Processing (CISP), 2013 6th International Congress on. - Vol. 01. - 2013. - Dec. - P. 443-447. 71.Medical images edge detection based on mathematical morphology / Zhao Yuqian, Gui Weihua, Chen Zhencheng et al. // Engineering in Medicine and Biology Society, 2005. IEEEEMBS 2005. 27th Annual International Con¨ ference of the. - 2005. - Jan. - P. 6492-6495. 72.Kylander O. S., Kylander K. GIMP : the oficial handbook : the Gimp users manual version 1.0.1. - Scottsdale (Ariz.) : Coriolis Group Books, 1999. 73.Gonzalez R. C., Woods R. E. Digital Image Processing (3rd Edition). - Upper Saddle River, NJ, USA : PrenticeHall, Inc., 2006. 74.Yang D., Gould S., Hutter M. A noise tolerant watershed transformation with viscous force for seeded image segmentation // Computer Vision ACCV 2012. - Vol. 7724 of Lecture Notes in Computer Science. - Springer Berlin Heidelberg, 2013. - P. 775-789. 75.Грекис Е. А., Белых И. Н. Сегментация костных структур в цифровых медицинских рентгеновских изображениях методом морфологических водоразделов // Информатика и кибернетика: сборник трудов научнопрактической конференции. - Т. 1. – Санкт-Петербург : СПбПУ, 2015. 76.Zhang Y. J. A survey on evaluation methods for image segmentation // Pattern Recognition. – Vol. 29, No. 8. – 1996. – P. 1335–1346. 77.Drakopoulos V., Nikolaou N. P. Efficient Computation of the Hutchinson Metric Between Digitized Images // IEEE Transactions on Image Processing. – Vol. 13, No. 12. – 2004. – P. 1581-1588. 78.Гонсалес Р., Вудс Р. Цифровая обработка изображения. Перевод с английского. –М.: Техносфера. – 2005. – 1070с. 79.Cardoso J. S., Corte-Real L. Toward a generic evaluation of image segmentation // IEEE Transactions on Image Processing. – Vol. 14, No. 10. – 2005. – P. 1773– 1782. 80.Goumeidane A. B., Khamadje M., Belaroussi B., Benoit-Cattin H., Odet C. New discrepancy measures for segmentation evaluation // IEEE International Conference in Image Processing, Barcelona, Spain.– Vol. 2. – 2003. – P. 411- 414. 81.Cheng W., Xu D., Jiang Y., Lang C. Information theoretic metrics in shot boundary detection // Lecture Notes in Computer Science. - Berlin-Heidelberg: Springer-Verlag.– Vol. 3683. – 2005. – P. 388–394. 82.Абусев Р. А. Групповая классификация. Решающие правила и их характеристики. – Пермь: Изд–во ПГУ. – 1992. – 218 с 83.Кендэл М. Ранговые корреляции: Пер. с англ. – М.: Статистика. – 1975. – 214 с. 84.Gokcay E., Principe J. C. Information Theoretic Clustering // IEEE Transactions on Pattern Analysis and Machine Intelligence. – Vol. 24, No. 2. – 2002. – P. 158– 171. 85.Carson C., Thomas M., Belongie S., Hellerstein J., Malik J. Blobworld: A system for region-based image indexing and retrieval // Proc. of the International Conference of Visual Information Systems. Springer. – 1999. – P. 509–516. 86.Li J.,Wang J.Z., Wiederhold G. IRM: Integrated region matching for image retrieval // Proc.of ACM Multimedia Intl. Conf. – 2000. – P. 147–156. 87.Stehling, R.O., Nascimento, M.A., Falc˜ao, A.X. An adaptive and efficient clustering-based approach for content based retrieval in image databases // Proc. Of IDEAS Intl. Symposium. – 2001. – P. 356–365. 88.Chang K.L., Xiong X., Liu F., Purnomo R. Content-Based Image Retrieval using Regional Representation // Lecture Notes in Computer Science / Klette R. Et al (Eds.). Multi-Image Analysis. Berlin-Heidelberg: Springer-Verlag. – Vol. 2032. – 2001. – P. 238-250. 89.Rubner Y., Tomasi C., Guibas L. J. The Earth Mover’s Distance as a metric for image retrieval // International Journal of Computer Vision. –Vol. 40, No 2. – 2000. – P. 99-121. 90.Stehling, R.O., Nascimento, M.A., Falc˜ao, A.X. MiCRoM: A metric distance to compare segmented images // Lecture Notes in Computer Science / S. Chang, Z.Chen, S. Lee (Eds.). Visual 2002. - Berlin-Heidelberg, Springer Verlag. – Vol. 2314. – 2002. – P. 12-23. 91.Kalinin P. V. A graph based approach to hierarchical image over-segmentation / P. V. Kalinin, A. A. Sirota // Computer Vision and Image Understanding. – 2015. – T.130. – С. 80–86. 92.Malik J. Normalized Cuts and Image Segmentation / J. Shi, J. Malik // IEEE transactions on pattern analysis and machine intelligence. – 2000. – №8, Т. 22. – С. 888–905. 93.Liu M. Entropy Rate Superpixel Segmentation / M. Liu [та ін.] // сб. тр. учасників IEEE Conference on Computer Vision and Pattern Recognition (Колорадо-Спрингс, 21-23 червня 2011 р.). – Колорадо-Спрінгс, 2011. – С. 2097– 2104. 94.Achanta R. SLIC Superpixels Compared to State-of-the-Art Superpixel Methods / R. Achanta [и др.] // IEEE transactions on pattern analysis and machine intelligence. – 2012. – №11, Т.34. – С. 2247–2281. 95.Сomputer Vision | Superpixel / Technische Universität Chemnitz. – Режим доступу: https://www.tu-chemnitz.de/etit/proaut/forschung/cv/ segmentation.html.en 96.The Berkeley Segmentation Dataset and Benchmark / University of California, Berkeley. – Режим доступу: https://www2.eecs.berkeley.edu/ Research/Projects/CS/vision/bsds/ 97.Національний стандарт України системи управління гігієною та безпекою праці основні принципи виконання вимог OHSAS 18001:2007 [Електронний ресурс]. – Режим доступу: http://online.budstandart.com/ua/catalog/doc-page.html?id_doc=64325 98.Винокурова Л.Е., Васильчук М.В., Гаман М.В. Основи охорони праці: Підручник. – К., 2001. 99.Правила охраны труда в металлургической промышленности.-Х.: изд. «Форд», 2009. 100. ПУЕ Правила улаштування електроустановок. 2007 [Електронний ресурс]. – Режим доступу: http://online.budstandart.com/ua/catalog/docpage.html?id_doc=63008 101. Закон України "Про Цивільну оборону України" ВРУ № 2974 XII - К.: 1989. 102. Про концепцію захисту населення і територій у разі загрозі та виникнення надзвичайних ситуацій, Указ Президента України № 284/99. - К.: 1999. 103. Депутат О.П., Коваленко І.В., Мужик І.С. Цивільна оборона Навчальний посібник / За ред. полковника B.C. Франчука - 2 ге вид., доп - Львів, Афіша,-2001.-336с. 104. Мігович Г.Г. Довідник з цивільної оборони. К.: - 1999. 105. Наказ України від 12.03.2010 №56 «Про затвердження Правил охорони праці при виробництві, зберіганні, транспортуванні та застосуванні хлору» 106. Захист населення і територій від надзвичайних ситуацій. Т.5 Небезпечні хімічні речовини та засоби захисту від них. / за загальною редакцією В.В. Могильниченка. – К.: КІМ, 2010. – 472с. 107. Бакка М.Т., Тарасова В.В. Метрологія, стандартизація, сертифікація і акредитація. 4.1. Метрологія. Навчальний посібник з грифом МОН України. - Житомир, Ж1Т1,2002. - 337с. 108. Войцицький А.П. Нормування антропогенного навантаження на природне середовище. Конспект лекцій, - Житомир: ДАУ, 2005. -132 с. 109. Джигирей B.C., Сторожук В.М., Яшок Р.А. Основи екології та охорон навколишнього природного середовища. Навчальний посібник, - Львів: Афіша, 2004 - 272 с 110. Жиденький В.Ц. Основи охорони праці. Підручник. - Львів: Афіша, 2002- 320 с |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 122 — комп’ютерні науки |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Авторська_довідка_Sinavski.pdf | 298,01 kB | Adobe PDF | Переглянути/відкрити | |
| diplom_Sinavskiq.pdf | 2,43 MB | Adobe PDF | Переглянути/відкрити | |
| Автореферат_Sinavskiq.pdf | 260,25 kB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора