Konkurs na najlepszą pracę magisterską na Wydziale Elektroniki, Telekomunikcji i Informatyki - Nagroda "Dyplom Roku" | Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej

W środę 28 lutego w Auli PG odbyło się uroczyste posiedzenie Senatu Politechniki Gdańskiej, podczas którego rektor uczelni prof. Krzysztof Wilde przyznał nagrody za najlepszy „Dyplom Roku”.

W tym roku nagrodę „Dyplom Roku” na Wydziale ETI otrzymała nasza doktorantka mgr inż. Milena Sobotka. Opiekunem pracy był prof. dr hab. inż. Jacek Rumiński.

Fot. Krzysztof Krzempek/PG

Fot. Krzysztof Krzempek/PG

Tematem pracy było: Opracowanie algorytmu wykrywania mitozy do przewidywania proliferacji komórek nowotworowych z wykorzystaniem uczenia głębokiego. 

Celem pracy było opracowanie, realizacja i ocena algorytmu wykrywania mitozy do przewidywania proliferacji komórek nowotworowych z wykorzystaniem uczenia głębokiego. Szczegóły w załączniku: 

broszura (pdf, 565.37kB)

Badania nad detekcją komórek mitotycznych z wykorzystaniem uczenia głębokiego są aktualne i ważne w procesie prognozowania proliferacji nowotworów. Wykrywanie tych komórek umożliwia precyzyjne określenie indeksu mitotycznego, kluczowego w diagnostyce onkologicznej, co ułatwia ocenę agresywności guzów i dostosowanie leczenia. W prezentowanej pracy wykorzystany został zestaw danych składający się ze slajdów preparatów pochodzących z biopsji raka piersi. Obrazy zostały odpowiednio dostosowane, a proces segmentacji mitozy został przeprowadzony z uwzględnieniem różnych jej faz, co stanowiło dodatkowe wyzwanie w kontekście jej wykrywania. 

W celu otrzymania optymalnego rozwiązania zastosowane zostały różne metody przetwarzania wstępnego i normalizacji kolorów, dla których zaprezentowane zostały szczegółowe wyniki, w tym miary oceny ilościowej oraz przykładowe wyniki detekcji. Przeprowadzona została analiza technik detekcji obiektów z wykorzystaniem uczenia głębokiego i przedstawiono przegląd istniejących badań. Zastosowane metody obejmowały detektory jedno- i dwuetapowe, w tym modele YOLOv5, YOLOv8 oraz Faster R-CNN z architekturą ResNet101. Wynikiem pracy jest aplikacja do detekcji mitozy działająca w czasie rzeczywistym.

Serdecznie gratulujemy i życzymy dalszych sukcesów naukowych !!!