Aplikácie umelej inteligencie na vybrané úlohy pre hlboké strojové učenie na medicínskych obrazových dátach
Školitel
prof. Dr. Mgr. Ivan Cimrák
Študijný program
Aplikovaná informatika
Študijný odbor
Informatika
Detailnejší opis problému
Neurónové siete (NN) vo všeobecnosti boli nedávno aplikované v širokom spektre aplikácií. Ich využitie vidíme už takmer každodenne. Aplikácia NN na dobre pripravené dáta pre bežné klasifikačné (a aj iné) úlohy je priamočiara. Akonáhle však ide o menej štandarnú úlohu, nastáva mnoho čiastkových problémov, ktoré treba riešiť: identifikácia úlohy (v spolupráci s lekármi alebo biológmi), príprava dát, správny výber použitej metódy strojového učenia, výber architektúry NN, príprava dát, interpretovateľnosť výsledkov NN. Vo svojej podstate sú NN tzv. čierne skrinky, vďaka svojej hĺbke a nelineárnosti vnútornej štruktúry. Kým pri množstve aplikácií táto ich vlastnosť nie je prekážkou, v biomedicíne a medicíne je neakceptovateľné rozhodovať sa bez jasného dôvodu. Preto je otázka interpretovateľnosti NN veľmi aktuálna a v rámci práce jej budeme venovať pozornosť. Vo výskumnom tíme na pracovisku sú rozpracované nasledovné aplikačné oblasti: mammografia, histopatológia, angiografia aneuryzmov. V rámci doktorandskej práce sa budeme zaoberať obrazovými dátami z týchto oblastí, budeme prechádzať všetky spomenuté kroky, niektoré v úzkej spolupráci s lekármi (ako napr. z Jesseniovej fakulty UK, či Onkologického ústavu sv. Alžbety, kde máme existujúce aktívne spolupráce). Cieľom práce bude aplikovať metódy konvolučných neurónových sietí s dôrazom na konkrétne vedecké a hlavne aplikačné výsledky.
Predpokladaný vedecký prínos (algoritmy, metodológie, ...)
K problému aplikovateľnosti NN sa dá pristupovať viacerými spôsobmi. V rámci dizertačnej práce sa budeme špecializovať na medicínske dáta (obrazové alebo signály), budeme skúmať aplikovateľnosť NN v úlohe klasifikácie a následne budeme aplikovať vhodnú metódu na interpretovanie NN.
Odporučány postup vedeckého bádania
- štúdium neurónových sietí a ich implementácie - štúdium interpretovateľnosti NN a oboznámenie sa s aktuálnym stavom výskumu - návrh a implementácia základnej architektúry NN pre špecifický problém klasifikácie - experimenty a ich vyhodnocovanie - návrh vhodného postupu pre interpretovanie NN - testovanie interpretovateľnosti - publikovanie nových poznatkov.
Druh výskumu
aplikovaný výskum
Výskumná úloha, ktorej súčasťou bude riešená téma
Projekt VEGA 1/0525/23, názov projektu: Hlboké neurónové siete v digitálnej mamografii pri diagnostike patologických mikrokalcifikátov ako včasnej formy karcinómu prsníka
Doterajšie výsledky riešenia na školiacom pracovisku, vrátane odkazov na dostupné zdroje
1. D. Petríková, I Cimrák, K. Tobiášová, L.Plank, Semi-automated workflow for computer-generated scoring of Ki67 positive cells from HE stained slides, BIOINFORMATICS 2023, accepted for publication. 2. Iveta Jancigova, Kristina Kovalcikova, Rudolf Weeber, Ivan Cimrak, PyOIF: Computational tool for modelling of multi- cell flows in complex geometries, PLOS Computational Biology, https://doi.org/10.1371/journal.pcbi.1008249, Early access October 2020, Impact Factor: 4.7 3. Kajánek, F., Cimrák, I.Advancements in Red Blood Cell Detection using Convolutional Neural Networks (2020) BIOINFORMATICS 2020 - 11th International Conference on Bioinformatics Models, Methods and Algorithms, Proceedings; Part of 13th International Joint Conference on Biomedical Engineering Systems and Technologies, BIOSTEC 2020, pp. 206-211 4. Kajánek, F., Cimrák, I., Tarábek, P. Automated Tracking of Red Blood Cells in Images (2020) Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 12108 LNBI, pp. 800-810
V prípade otázok sa obráťte na vedúceho témy:
Ivan.Cimrak@fri.uniza.sk