| Обозначение | Дата введения | Статус |
  ГОСТ Р 70321.1-2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для распознавания зданий на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний | 01.01.2023 | действует |
Название англ.: Artificial intelligence technologies for processing of Earth remote sensing data. Artificial intelligence algorithms for recognition of buildings on satellite images obtained from optical-electronic observation satellites. Typical testing procedure Область применения: Настоящий стандарт распространяется на алгоритмы искусственного интеллекта для распознавания зданий, строительство которых завершено (далее – алгоритмы ИИ), на космических снимках по ГОСТ Р 59753–2021 (статья 32), получаемых с космических аппаратов оптико-электронного наблюдения в видимом и ближнем инфракрасном диапазонах (далее – снимки) Нормативные ссылки:  ГОСТ 19.301;ГОСТ ISO/IEC 17000;ГОСТ ISO/IEC 17025-2019;ГОСТ Р 52438;ГОСТ Р 58973-2020;ГОСТ Р 59276;ГОСТ Р 59753-2021;ГОСТ Р 59754-2021;ГОСТ Р 59792;ГОСТ Р 59795-2021;ГОСТ Р 59898-2021;ГОСТ Р 70321.2;ГОСТ Р 70321.3;ГОСТ Р 70321.4;ГОСТ Р ИСО 6707-1 |
| ГОСТ Р 70321.2-2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для определения типов жилых зданий на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний | 01.01.2023 | действует |
| Название англ.: Artificial intelligence technologies for processing of Earth remote sensing data. Artificial intelligence algorithms for classifying types of residential buildings on satellite images obtained from optical-electronic observation satellites. Typical testing procedure Область применения: Настоящий стандарт распространяется на алгоритмы искусственного интеллекта для определения типов жилых зданий (далее – алгоритмы ИИ) на космических снимках по ГОСТ Р 59753–2021 (статья 32), получаемых с космических аппаратов оптико-электронного наблюдения в видимом и ближнем инфракрасном диапазонах (далее – снимки) Нормативные ссылки: ГОСТ ISO/IEC 17000;ГОСТ Р 52438;ГОСТ Р 59276;ГОСТ Р 59753-2021;ГОСТ Р 59754;ГОСТ Р 59792;ГОСТ Р 59898-2021;ГОСТ Р 70321.1-2022;ГОСТ Р 70321.3;ГОСТ Р 70321.4;ГОСТ Р ИСО 6707-1;СП 42.13330;СП 475.1325800 |
| ГОСТ Р 70321.3-2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для оценки площади жилых зданий на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний | 01.01.2023 | действует |
| Название англ.: Artificial intelligence technologies for processing of Earth remote sensing data. Artificial intelligence algorithms for estimation the area of residential buildings on satellite images obtained from optical-electronic observation satellites. Typical testing procedure Область применения: Настоящий стандарт распространяется на алгоритмы искусственного интеллекта для оценки площади жилых зданий (далее – алгоритмы ИИ) на космических снимках по ГОСТ Р 59753–2021 (статья 32), получаемых с космических аппаратов оптико-электронного наблюдения в видимом и ближнем инфракрасном диапазонах (далее – снимки) Нормативные ссылки: ГОСТ ISO/IEC 17000;ГОСТ Р 52438;ГОСТ Р 59276;ГОСТ Р 59753-2021;ГОСТ Р 59754-2021;ГОСТ Р 59792;ГОСТ Р 59898-2021;ГОСТ Р 70321.1-2022;ГОСТ Р 70321.2;ГОСТ Р 70321.4;ГОСТ Р ИСО 6707-1;СП 42.13330 |
| ГОСТ Р 70321.4-2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для распознавания строящихся зданий на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний | 01.01.2023 | действует |
| Название англ.: Artificial intelligence technologies for processing of Earth remote sensing data. Artificial intelligence algorithms for recognition of buildings under construction on satellite images obtained from optical-electronic observation satellites. Typical testing procedure Область применения: Настоящий стандарт распространяется на алгоритмы искусственного интеллекта для распознавания строящихся зданий (далее – алгоритмы ИИ) на космических снимках по ГОСТ Р 59753–2021 (статья 32), получаемых с космических аппаратов оптико-электронного наблюдения в видимом и ближнем инфракрасном диапазонах (далее – снимки). Настоящий стандарт устанавливает типовую методику проведения испытаний при оценке функциональной корректности по ГОСТ Р 59898–2021 (8.2.3). Настоящий стандарт может быть применен при испытаниях алгоритмов ИИ при проведении оценки соответствия первой, второй или третьей сторон по ГОСТ ISO/IEC 17000. Настоящий стандарт также может быть применен при автономных предварительных и приемочных испытаниях по ГОСТ Р 59792 алгоритмов ИИ, входящих в состав автоматизированных систем. Настоящий стандарт предназначен для применения всеми организациями, участвующими в испытаниях алгоритмов ИИ, независимо от их вида и размера. Типовая методика проведения испытаний алгоритмов ИИ для распознавания зданий на снимках установлена в ГОСТ Р 70321.1, алгоритмов ИИ для определения типов жилых зданий – в ГОСТ Р 70321.2, алгоритмов ИИ для оценки площадки жилых зданий – в ГОСТ Р 70321.3 Нормативные ссылки: ГОСТ ISO/IEC 17000;ГОСТ Р 52438;ГОСТ Р 59276;ГОСТ Р 59753-2021;ГОСТ Р 59754;ГОСТ Р 59792;ГОСТ Р 59898-2021;ГОСТ Р 70321.1-2022;ГОСТ Р 70321.2-2022;ГОСТ Р 70321.3;ГОСТ Р ИСО 6707-1;СП 42.13330 |
| ГОСТ Р 70321.5-2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для определения характеристик древесно-кустарниковой растительности на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний | 01.01.2023 | действует |
| Название англ.: Artificial intelligence technologies for processing of Earth remote sensing data. Artificial intelligence algorithms for determination the characteristics of wood-shrub vegetation on satellite images obtained from optical-electronic observation satellites. Typical testing procedure Область применения: Настоящий стандарт распространяется на алгоритмы искусственного интеллекта для определения характеристик древесно-кустарниковой растительности (далее – алгоритмы ИИ) на космических снимках по ГОСТ Р 59753–2021 (статья 32), получаемых с космических аппаратов оптико-электронного наблюдения в видимом и ближнем инфракрасном диапазонах (далее – снимки). Настоящий стандарт устанавливает типовую методику проведения испытаний алгоритмов ИИ при оценке функциональной корректности по ГОСТ Р 59898–2021 (8.2.3). Настоящий стандарт может быть применен при испытаниях алгоритмов ИИ при проведении оценки соответствия первой, второй или третьей сторон по ГОСТ ISO/IEC 17000. Настоящий стандарт также может быть применен при автономных предварительных и приемочных испытаниях по ГОСТ Р 59792 алгоритмов ИИ, входящих в состав автоматизированных систем. Настоящий стандарт предназначен для применения всеми организациями, участвующими в испытаниях алгоритмов ИИ, независимо от их вида и размера Нормативные ссылки: ГОСТ 19.301;ГОСТ ISO/IEC 17000;ГОСТ ISO/IEC 17025-2019;ГОСТ Р 52438;ГОСТ Р 58973-2020;ГОСТ Р 59276;ГОСТ Р 59753-2021;ГОСТ Р 59754-2021;ГОСТ Р 59792;ГОСТ Р 59795-2021;ГОСТ Р 59898-2021;СП 42.13330;СП 475.1325800 |
| ГОСТ Р 70321.6-2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для распознавания объектов дорожно-транспортной сети на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний | 01.01.2023 | действует |
| Название англ.: Artificial intelligence technologies for processing of Earth remote sensing data. Artificial intelligence algorithms for recognition of objects of road networks on satellite images obtained from optical-electronic observation satellites. Typical testing procedure Область применения: Настоящий стандарт распространяется на алгоритмы искусственного интеллекта для распознавания объектов дорожно-транспортной сети (далее – алгоритмы ИИ) на космических снимках по ГОСТ Р 59753–2021 (статья 32), получаемых с космических аппаратов оптико-электронного наблюдения в видимом и ближнем инфракрасном диапазонах (далее – снимки). Настоящий стандарт устанавливает типовую методику проведения испытаний при оценке функциональной корректности по ГОСТ Р 59898–2021 (8.2.3). Настоящий стандарт может быть применен при испытаниях алгоритмов ИИ при проведении оценки соответствия первой, второй или третьей сторон по ГОСТ ISO/IEC 17000. Настоящий стандарт также может быть применен при автономных предварительных и приемочных испытаниях по ГОСТ Р 59792 алгоритмов ИИ, входящих в состав автоматизированных систем. Настоящий стандарт предназначен для применения всеми организациями, участвующими в испытаниях алгоритмов ИИ, независимо от их вида и размера. Типовая методика проведения испытаний алгоритмов ИИ для определения типов объектов дорожно-транспортной сети на снимках установлена в ГОСТ Р 70321.7 Нормативные ссылки: ГОСТ 19.301;ГОСТ ISO/IEC 17000;ГОСТ ISO/IEC 17025-2019;ГОСТ Р 52438;ГОСТ Р 58973-2020;ГОСТ Р 59276;ГОСТ Р 59753-2021;ГОСТ Р 59754-2021;ГОСТ Р 59792;ГОСТ Р 59795-2021;ГОСТ Р 59898-2021;ГОСТ Р 70321.7;СП 42.13330 |
| ГОСТ Р 70321.7-2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для определения типов объектов дорожно-транспортной сети на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний | 01.01.2023 | действует |
| Название англ.: Artificial intelligence technologies for processing of Earth remote sensing data. Artificial intelligence algorithms for classification types of objects of road networks on satellite images obtained from optical-electronic observation satellites. Typical testing procedure Область применения: Настоящий стандарт распространяется на алгоритмы искусственного интеллекта для определения типов объектов дорожно-транспортной сети (далее – алгоритмы ИИ) на космических снимках по ГОСТ Р 59753–2021 (статья 32), получаемых с космических аппаратов оптико-электронного наблюдения в видимом и ближнем инфракрасном диапазонах (далее – снимки). Настоящий стандарт устанавливает типовую методику проведения испытаний при оценке функциональной корректности по ГОСТ Р 59898–2021 (8.2.3). Настоящий стандарт может быть применен при испытаниях алгоритмов ИИ при проведении оценки соответствия первой, второй или третьей сторон по ГОСТ ISO/IEC 17000. Настоящий стандарт также может быть применен при автономных предварительных и приемочных испытаниях по ГОСТ Р 59792 алгоритмов ИИ, входящих в состав автоматизированных систем. Настоящий стандарт предназначен для применения всеми организациями, участвующими в испытаниях алгоритмов ИИ, независимо от их вида и размера. Типовая методика проведения испытаний алгоритмов ИИ для распознавания объектов дорожно-транспортной сети на снимках установлена в ГОСТ Р 70321.6 Нормативные ссылки: ГОСТ ISO/IEC 17000;ГОСТ Р 52438;ГОСТ Р 59276;ГОСТ Р 59753-2021;ГОСТ Р 59754-2021;ГОСТ Р 59792;ГОСТ Р 59898-2021;ГОСТ Р 70321.6-2022;СП 42.13330 |
| ГОСТ Р 70370-2022 Системы промышленной автоматизации и интеграция. Управление устареванием. Требования к процессам информационного обмена для учета изменений номенклатуры продукции и непрерывности производства | 01.01.2023 | действует |
| Название англ.: Industrial automation systems and integration. Obsolescence management. Information exchange process requirements for product portfolio changes and production continuity record Область применения: Настоящий стандарт устанавливает требования к обмену данными в рамках цепочки поставок и определяет совокупность данных и сведений, используемых в качестве исходной информации для управления процессами устаревания продукции Нормативные ссылки: ГОСТ 7.0.64;ГОСТ Р 56129 |
| ГОСТ Р 70394-2022 Информатизация здоровья. Обмен данными с медицинскими приборами в месте оказания медицинской помощи. Часть 10103. Номенклатура. Имплантируемые кардиологические приборы | 01.03.2023 | действует |
| Название англ.: Health informatics. Point-of-care medical device communication. Part 10103. Nomenclature. Implantable device, cardiac Область применения: Настоящий стандарт для формирования терминологии, используемой в области имплантируемых кардиологических приборов, устанавливает их базовую номенклатуру, представленную в стандарте ISO/IEEE 11073-10101:2004. В эту номенклатуру входят такие имплантируемые приборы, как кардиостимуляторы, дефибрилляторы, приборы сердечной ресинхронизирующей терапии и имплантируемые кардиомониторы. В этой номенклатуре определены специальные термины, необходимые для передачи клинически значимой сводной информации, которая была получена в ходе запроса прибора. Расширения номенклатуры могут использоваться в сочетании с другими частями стандарта IEEE 11073 (например, ISO/IEEE 11073-10201 [B2]) или с другими стандартами, например, Health Level Seven International (HL7) Нормативные ссылки: ISO/IEEE 11073-10103:2014, IEEE 11073-10101:2004;The Unified Code for Units of Measure |
| ГОСТ Р 70395-2022 Информатизация здоровья. Формат биосигналов. Часть 2. Электрокардиография | 01.03.2023 | действует |
| Название англ.: Health informatics. Medical waveform format. Part 2. Electrocardiography Область применения: Настоящий стандарт определяет применение правил кодирования формата биосигналов (MFER) для описания стандартных форм биосигналов электрокардиограммы, измеренных в физиологических лабораториях, больничных палатах, клиниках и при медицинских осмотрах первичного звена. Он охватывает электрокардиограммы, такие как в 12 отведениях, 15 отведениях, 18 отведениях, отведение Кабрера, отведение Nehb, отведение Франка, отведение XYZ, а также тесты с физической нагрузкой, которые измеряются контрольным оборудованием, таким как электрокардиографы и мониторы пациента, совместимые с MFER Нормативные ссылки: ISO/TS 22077-2:2015, ISO 22077-1 |