Uczenie maszynowe ułatwi diagnostykę medyczną
Zespół naukowców pracujących nad projektem „Rozwój metod uczenia maszynowego do wspomagania diagnostyki medycznej”
Opracowanie nowatorskich sposobów przetwarzania i analizy danych w postaci obrazów cyfrowych i informacji wektorowych to cel nowego projektu naukowców z PW. Innowacyjne algorytmy pomogą w diagnozie i planowaniu terapii chorób nowotworowych.
Czerniak jest najpoważniejszym nowotworem skóry, który może rozwinąć się w dowolnym miejscu na ciele. Charakteryzuje się nietypowo wyglądającymi zmianami skórnymi o różnych kształtach, niepewnych granicach i różnorodnym zabarwieniu. Rozpoznanie choroby opiera się na wykorzystaniu dermoskopii - nieinwazyjnej metody pozwalającej na ocenę zmian skórnych - realizowanej przy wykorzystaniu specjalnego urządzenia optycznego. Przełomowe badania nad rozwojem nowych, efektywnych metod przetwarzania obrazów wspomagających tę diagnostykę prowadzi zespół naukowców pod kierownictwem dr. inż. Tomasza Lesia, naukowca z Wydziału Elektrycznego PW.
Projekt obejmuje opracowanie wielu narzędzi informatycznych bazujących na uczeniu głębokim, w szczególności nowych struktur sieci CNN. W badaniach są wykorzystane aktualne osiągnięcia z obszaru uczenia maszynowego. Kluczowe dla sukcesu przedsięwzięcia będzie opracowanie nowatorskich sposobów przetwarzania i analizy danych zapisanych w postaci cyfrowych obrazów medycznych oraz danych zapisanych wektorowo. Ich realizacja jest planowana w oparciu o morfologię matematyczną, wnioskowanie rozmyte, rekonstrukcję obrazu, a także analizę trójwymiarowych modeli kształtu wybranych fragmentów. Pod uwagę będzie wzięta również analiza jakości fuzji wielu metod identyfikacji i lokalizacji obiektów.
W ramach projektu zaplanowano przeprowadzenie analizy wielu różnych danych obrazowych, takich jak: CT, PET, MRI, obrazy mikroskopowe i dermoskopowe. Eksperymenty są realizowane z zastosowaniem infrastruktury w postaci chmury obliczeniowej. Przeprowadzona jest statystyczna i numeryczna analiza ilościowa uzyskanych wyników - tłumaczy dr inż. Tomasz Leś z Wydziału Elektrycznego PW.
Dotychczas z sukcesem opracowano systemy do w pełni automatycznej detekcji biomarkerów genów pozwalające na selekcję istotnych genów w danej chorobie nowotworowej. Przygotowano oprogramowanie segmentujące organy w tomografii komputerowej w odcinku brzusznym i systemy do wspomagania obrazowania PET, TK i RM w mózgu. Powodzeniem zakończyły się również prace nad systemem do detekcji i klasyfikacji genów w obrazowaniu histopatologicznym. Opracowane metody pomogą w diagnozie, planowaniu terapii oraz ocenie skuteczności terapii chorób nowotworowych. W wyniku realizacji projektu powstaną narzędzia oraz końcowa aplikacja umożliwiająca automatyczną analizę wyników.
Badania wspiera merytorycznie jednostka Wojskowego Instytutu Medycznego w Warszawie. Nawiązano także współpracę z grupą badawczą z Uniwersytetu w Perugii, która zajmuje się matematycznymi podstawami rekonstrukcji i polepszania jakości obrazów w medycynie.
Skład zespołu badawczego z Wydziału Elektrycznego Politechniki Warszawskiej:
- dr inż. Tomasz Leś, kierownik
Wykonawcy:
- dr inż. Żaneta Świderska-Chadaj, Wydział Elektryczny PW
- dr hab. inż. Krzysztof Siwek, profesor uczelni,
- prof. dr hab. inż. Tomasz Markiewicz,
- prof. dr hab. inż. Stanisław Osowski,
- mgr inż. Estera Kot, doktorantka
Projekt „Rozwój metod uczenia maszynowego do wspomagania diagnostyki medycznej” jest realizowany w ramach konkursu Priorytetowego Obszaru Badawczego Sztuczna Inteligencja i Robotyka (POB SZIR-2) Inicjatywa Doskonałości Uczelnia Badawcza.
Więcej informacji na stronie projektu.
