Analiza ukrwienia płatów skórnych po operacjach resekcji skóry
Adam Bujnowski, Jerzy Wtorek, Jacek Zieliński
Prowadzone badania mają na celu analizę ukrwienia płatów skórnych zespalanych po odjęciu fragmentu płata skórnego. W wyniku wycięciu fragmentu płata skóry powstaje rana, która może zostać zamknięta w wyniku naciągnięcia brzegów rany albo w wyniku przeszczepu fragmentu skóry. Decyzja o postępowaniu należy do chirurga prowadzącego i zależy od jego doświadczenia. Zbyt duże naprężenie płatów skórnych prowadzi do niedokrwienia nadmiernie naciągniętych płatów skóry i pogorszenia gojenia się rany. W skrajnych przypadkach dochodzi do komplikacji i konieczności dokonania korekty zabiegu. Celem badania jest opracowanie urządzenia i/lub systemu podpowiadającego chirurgowi czy w konkretnym zabiegu wystarczy naciągnięcie płatów skórnych czy raczej wskazany jest przeszczep fragmentu skóry z innego obszaru. Istnieje przypuszczenie że pomiar naprężenia płatów skórnych może dawać niejednoznaczne wyniki, które będą zależały osobniczo od pacjenta i prawdopodobnie miejsca na jego ciele. Dlatego równolegle z pomiarem sił prowadzone będą wielomodalne badania nad obiektywizacją oceny krążenia w płacie skórnym.
Systemy wspomagające lekarzy w procesie diagnostyki oraz leczenia niepłodności z wykorzystaniem danych medycznych i genetycznych
Autor: Krystian Zieliński
Według WHO problemy z płodnością dotyczą milionów osób w wieku rozrodczym na całym świecie. Szacunki wskazują, że na całym świecie dotyczą one 48 milionów par oraz do 186 milionów osób. W niektórych przypadkach jedynym sposobem na zajście w ciążę jest zapłodnienie in vitro, proces obejmujący najczęściej intensywną stymulację hormonalną mającą na celu uzyskanie zdolnej do zapłodnienia komórki jajowej. Proces doboru odpowiedniej dawki to balans pomiędzy uzyskaniem jak najlepszego efektu (jak największej liczby komórek) a minimalizacją negatywnych skutków ubocznych stymulacji (w niezwykle rzadkich przypadkach przestymulowanie może prowadzić do śmierci).
Ponieważ każda pacjentka jest w innym wieku i ma różne poziomy wyjściowe hormonów, podjęcie właściwej decyzji nie zawsze jest tak proste, jak mogłoby się wydawać. Wkład każdego czynnika w ogólny obraz może być trudny do uchwycenia. Należy również wziąć pod uwagę reakcję na poprzednie stymulacje pacjentek, co zwiększa złożoność procesu.
Najnowsze okrycia w obszarze uczenia maszynowego pozwoliły zbadać proces podejmowania decyzji i stworzyć narzędzie, które poprowadzi lekarzy przez procedurę dawkowania. Analizując 10 000 stymulacji byliśmy w stanie wytrenować model do poprawnego przewidywania wyników na podstawie zmiennych uznanych za istotne, a także stworzono narzędzie oparte na sztucznej inteligencji, które sugeruje typ protokołu i dawki gonadotropin dla każdej pacjentki. Model zakłada, że propozycje powinny maksymalizować szanse na zajście w ciążę, jednocześnie informując o prawdopodobieństwie wystąpienia hiperstymulacji. Proces uczenia modeli składał się z dwóch głównych części. W pierwszej kolejności, korzystając z wartości istotności zmiennych obliczonych przy pomocy algorytmu BORUTA, wybrano podzbiór testów medycznych o największym wpływie na końcowy wynik stymulacji. Następnie, modele Gradient Boosted Machine zostały przeszkolone aby przewidzieć liczbę oocytów MII i potencjalny zysk z wyboru różnych typów protokołów i dawek. Aby wyniki modelu były zrozumiałe, dla każdego indywidualnego procesu obliczane są wartości Shapleya. Dzięki temu lekarz dokładnie wie, w jaki sposób wyniki badań pacjentki przyczyniły się do ostatecznej prognozy modelu.
W ramach rozwiązania przeprowadzono dodatkowe badania mające na celu rozróżnienie wariantów genetycznych skorelowanych z uzyskiwaną liczbą oocytów MII. Korzystając z metod takich jak sieć Kohonena oraz algorytmu redukcji wymiarowości UMAP, odkryto trzy różne kombinacje wariantów, które w znaczący sposób zwiększyły dokładność predykcji modelu. Trening głębokich sieci neuronowych z użyciem wybranych kombinacji wariantów genetycznych zmniejszył błąd predykcji o 7%.
Po konsultacjach z lekarzami mającymi doświadczenie w IVF, jako efekt końcowy powstała aplikacja webowa do rekomendacji dawek podczas stymulacji IVF. Dzięki niej lekarze mają dostęp do wszystkich niezbędnych wyników medycznych, podsumowania historii stymulacji pacjentów oraz wyjaśnionych propozycji rodzajów protokołów i dawek. Stabilne modele wytrenowane na tysiącach historycznych procesów stymulacji zapewniają poprawne decyzje w leczeniu hormonalnym. Rozwiązanie zwiększa stabilność procesu oraz ogranicza potencjalne błędy ludzkie.
Uczenie federacyjne w opiece medycznej
Autor: Magdalena Mazur-Milecka, Tomasz Kocejko
Standardowe podejścia do uczenia maszynowego wymagają scentralizowania danych treningowych na jednej maszynie lub w centrum danych. Większość zastosowań big data w sektorze opieki zdrowotnej opiera się na dostępności wielkoskalowych, wysokiej jakości i długofalowych danych dotyczących opieki zdrowotnej. Gromadzenie i utrzymanie takich kompleksowych źródeł danych wymaga nie tylko dużych inwestycji, ale również czasu, aż zbiory danych będą wystarczająco obszerne, aby uzyskać dobre wyniki analityczne. Uczenie federacyjne (federated learning) pozwala na trenowanie modelu na zdecentralizowanych urządzeniach brzegowych/serwerach przechowujacych część datasetu lokalnie bez konieczności udostępniania bazy danych.
Pozwala także na trenowanie modeli z zachowaniem poufności danych i wszelkich obostrzeń prawnych związanych z danymi (dane osobowe, prawa autorskie itp.).
Dlatego też uczenie federacyjne zostało zastosowane w projekcie systemu do klasyfikacji zmian nowotworowych piersi z wykorzystaniem danych z różnych jednostek opieki medycznej. Serwer kontrolujący pracę całego systemu komunikuje się z komputerami klientów oraz organizuje strategie trenowań lokalnych (na urządzeniach klienta). Dane obrazowe nie są udostępniane, do serwera odsyłane są jedynie wytrenowane wagi określonego modelu
Analiza możliwości automatycznego rozpoznawania zachowań zwierząt doświadczalnych
Autor: Magdalena Mazur-Milecka
Zaprezentowana praca przedstawia propozycje miar oraz algorytmów pomocnych w automatycznej analizie złożonych zachowań socjalnych zwierząt laboratoryjnych. Skupia się na:
1. dokładnej segmentacji zwierząt podczas kontaktu fizycznego, podczas którego często występują znaczne zasłonięcia obiektów,
2. detekcji zachowań agresywnych na podstawie obrazu termograficznego śladu śliny pozostawionej na futrze gryzonia przez drugiego osobnika.
Możliwość identyfikacji osobników oraz wykonywania pomiarów także w trakcie złączenia dostarczają dane istotne z punktu widzenia analizy zachowań socjalnych. W tym celu w pracy zaproponowany został 3-etapowy algorytm segmentacji obiektów połączonych zależny od stopnia kontaktu zwierząt.
Ślad śliny pozostawiony na futrze gryzonia przez drugiego osobnika Jest z kolei prawdopodobnie jedynym dostrzegalnym dowodem wystąpienia ekstremalnie agresywnej interakcji między zwierzętami (ugryzienia lub agresywnego czyszczenia). W pracy zaproponowano parametry odpowiednie do opisu i identyfikacji analizowanych śladów, przeanalizowano charakterystykę śladów rzeczywistych oraz zbadano wpływ parametrów detektorów i śladów na wyniki detekcji na obrazach symulacyjnych. Na podstawie obserwacji opracowano model zmian temperatury śladu, a następnie wykonano analizę tych śladów. Wykazano również, że możliwa jest predykcja temperatury śladu śliny w przypadku braku jego widoczności nawet dla niewielkiej liczby obserwacji.
Zdolni z Pomorza
Już po raz kolejny pracownicy naszej katedry brali udział w spotkaniu akademickim w ramach projektu Zdolni z Pomorza - tym razem w czasach pandemii w formie zdalnej. Jest to uwieńczenie zmagań sześciotygodniowego kursu e-learningowego, który dotyczył tematyki programowania w języku PHP wraz z wykorzystaniem bazy danych PostgreSQL. Część wykładową, "Podstawy budowania stron przy pomocy PHP7" dla uczniów szkół podstawowych poprowadził Tomasz Neumann, a w zajęciach praktycznych dodatkowo uczestniczyli i wspomagali Mariusz Kaczmarek i Kamil Osiński. Zajęcia, pomimo dużej porcji materiału zostały bardzo pozytywnie ocenione przez uczestników spotkania, którzy bardzo docenili prowadzących zajęcia za ich zaangażowanie w pomoc przy występujących problemach podczas rozwiązywania zadań praktycznych. Część osób zadeklarowała także udział w kursie na bardziej zaawansowanym poziomie - może to także przyszli studenci naszej Katedry :)
Najlepsze studenckie projekty link
Detekcja twarzy w maseczkach na obrazach termograficznych z wykorzystaniem sieci głębokich
Autor: Natalia Głowacka
W ramach prac badawczych prowadzonych przez mgr inż. Natalię Głowacką we współpracy z dr hab. inż. Jackiem Rumińskim, został podjęty temat detekcji twarzy w maskach na obrazach termograficznych. Temat ten jest szczególnie aktualny w dobie pandemii, kiedy w wielu miejscach obowiązuje nakaz zakrywania twarzy maseczką. W pierwszym etapie prac, stworzona została baza danych zawierająca blisko 8000 obrazów termograficznych przedstawiających w większości osoby zakrywające twarz maseczkami pozyskanych z czterech kamer termograficznych o różnej rozdzielczości, które zostały następnie odpowiednio oznaczone. Celem prac było przetestowanie czterech różny algorytmów detekcji twarzy, które dobrze radzą sobie z jej detekcją na obrazach zarejestrowanych w spektrum światła widzialnego. Sprawdzeniu poddano detekcję na obrazach termograficznych poprzez algorytmy wytrenowane tylko na podstawie zbioru zawierającego oznaczenia twarzy bez masek na obrazach zarejestrowanych w świetle widzialnym, wykorzystanie uczenia transferowego w połączeniu ze stworzoną bazą obrazów termograficznych, wpływ koloryzacji i poprawy kontrastu obrazów termograficznych na jakość detekcji. Algorytmem, który najlepiej radzi sobie z detekcją twarzy w maskach na obrazach termograficznych jest algorytm Yolov3. Uzyskiwane przez ten algorytm wyniki średniej ważonej precyzji (mAP - mean average precision), zarówno po zastosowaniu transferu wiedzy, jak i przy wytrenowaniu tego algorytmu tylko na obrazach zarejestrowanych w świetle widzialnym, są zadowalające i wysokie. Szczegółowe wyniki i przebieg prac można przeczytać w opublikowanym artykule:
Głowacka, N.; Rumiński, J. Face with Mask Detection in Thermal Images Using Deep Neural Networks. Sensors 2021, 21, 6387. https://doi.org/10.3390/s21196387
Wzrost nieskoczęstotliwościowych oscylacji utlenowania krwi w korze czołowej podczas łagodnej hipoksji
Autor: Marcin Gruszecki
Celem badań było zbadanie efektu wpływu łagodnej hipoksji na oksyhemoglobinę (HbO2), dynamikę płynu mózgowo-rdzeniowego oraz układu naczyniowo-krwionośnego. W tym celu zostały zarejestrowane jednocześnie cztery sygnały: ciśnienie krwi, EKG, HbO2 i zmiany szerokości przestrzeni podpajęczynówkowej z lewej półkuli mózgu. Sygnały były rejestrowane dla 30 zdrowych, młodych ochotników. Badania wskazały, że łagodna hipoksja zwiększa oscylacje HbO2 dla niskich częstotliwości (<0,052 Hz) w korze czołowej. Dodatkowo, były obserwowany zanik oscylacji szerokości przestrzeni podpajęczynówkowej w całym zakresie częstotliwości związany z obrzękiem mózgu.
Ocena aktywności fizycznej dziecka z zespołem Aspergera za pomocą modułu IMU
Autor: Magdalena Madej
(1) Pomiar parametrów pozwalających ocenić różne aspekty aktywności fizycznej odgrywa istotną rolę w ocenie różnorodnych zaburzeń rozwojowych u dzieci.
(2) Zarówno poziom aktywności fizycznej jak i obecność pewnych powtarzających się zachowań zmieniają się wraz ze zmianą kondycji psychofizycznej dziecka.
(3) U dzieci z zespołem Aspergera zwiększona ruchliwość oraz zwiększona częstotliwość charakterystycznych zachowań wiąże się często z okresem gorszej kondycji psychofizycznej.
(4) Obecnie w większości przypadków ocena zachowania dziecka odbywa się na podstawie obserwacji opiekunów, wypełniających odpowiednie kwestionariusze lub notujących codzienne obserwacje za pomocą różnorodnych dostępnych na rynku aplikacji.
(5) Obserwacje rodziców i nauczycieli realizowane są w określonych warunkach środowiskowych, które mogą mieć znaczenie dla sposobu wyrażania się objawów zaburzenia.
(6) Dlatego poszukiwanie miar obiektywnych może ułatwić ocenę zachowania dziecka.
(7) Automatyczna detekcja wykonywanych czynności oraz automatyczna ocena ruchliwości może pomóc w bardziej obiektywnej ocenie stanu dziecka.
(8) Aby umożliwić taką ocenę, wykorzystano 9-osiowe moduły inercyjne wyposażone w akcelerometr, żyroskop oraz magnetometr, które umieszczone zostały na ciele badanej osoby aby rejestrować sygnały związane z ruchem.
Predykcja wieku na podstawie zdjęć dwuwiązkowej absorpcjometrii rentgenowskiej, o niskiej rozdzielczości przy użyciu splotowych sieci neuronowych
Autorzy: Kamil Jańczyk, Tomasz Neumann, Jacek Rumiński, Piotr Wiśniewski
Predykcja wieku na podstawie zdjęć rentgenowskich to interesujący temat badawczy, ważny dla zastosowań klinicznych, takich jak ocena dojrzałości biologicznej. Badania nad tymi zagadnieniami są zwykle przeprowadzane przy użyciu skanów rentgenowskich części ciała o wysokiej rozdzielczości, takich jak obrazy dłoni lub obrazy klatki piersiowej. Ta praca demonstruje zastosowanie obrazów dwuwiązkowej absorpcjometrii rentgenowskiej (DXA), o niskiej rozdzielczości, do trenowania modeli uczenia głębokiego w celu przewidywania wieku. Wyniki eksperymentalne pokazują, że zaproponowane techniki przetwarzania wstępnego i zaadaptowane, częściowo wytrenowane modele splotowych sieci neuronowych (CNN) osiągnęły rozbieżność między wiekiem chronologicznym, a przewidywanym równą około 16 miesiąc. Ponadto stwierdzono, że głównym czynnikiem wpływającym na wyniki przewidywania wieku były cechy przestrzenne, a nie cechy wielospektralne. Niniejsza praca jest częścią szerszego projektu, który zajmuje się następującym pytaniem badawczym: Jak metody głębokiego uczenia mogą usprawnić wiedzę diagnostyczną z pozyskiwaną z skanów DXA.. Wszystkie dane kliniczne i obrazowe pochodzą z lat 2015-2020, z Gdańskiego Uniwersytetu Medycznego. Niniejsze badanie uzyskało aprobatę Niezależnej Komisji Bioetyki Badań Naukowych Gdańskiego Uniwersytetu Medycznego (nr zatwierdzenia NKBBN/124/2022).
Każda próbka DXA zawiera sześć obrazów o niskiej rozdzielczości, odpowiadających wiązkom energii przechodzącym przez obracający się filtr bębnowy z trzema różnymi segmentami o właściwościach przenikalności równym tkance miękkiej, kości i powietrzu, a następnie pacjenta: a) niska energia, powietrze, b) niska energia, tkanka miękka, c) niska energia, kości, d) wysoka energia, powietrze, e) wysoka energia, tkanka miękka, f) wysoka energia kości.
Czynniki determinujące własności sygnału EDR opartego na morfologii zespołu QRS
Autorzy: Piotr Przystup, Artur Poliński, Jerzy Wtorek,
Praca zawiera analizę czynników wpływających na EDR oparty o zmiany morfologii sygnału EKG. Analizowany jest wpływ rotacji i translacji dipola serca oraz zmiany przewodności płuc i ruch elektrod na sygnał EKG. Analizy przeprowadzono wykorzystując pomiary na ochotnikach oraz model matematyczny. W przypadku modelu matematycznego symulacje przeprowadzono wykorzystują metodę elementów skończonych. Pokazano, że dominujący jest wpływ rotacji i translacji dipola. Ten ostatni czynnik był pomijany w analizie właściwości sygnału EDR. Jego wprowadzenie pozwoliło na wytłumaczenie różnicy faz pomiędzy sygnałem EDR w różnych odprowadzeniach. Przedstawione analizy pozwalają na optymalizację konstrukcji urządzeń oraz rozwój metod umożliwiających monitorowanie oddechu z wykorzystaniem sygnału EKG.
Czujniki optyczne do pooperacyjnej oceny przepływu krwi w płatach tkankowych
Autor: Ignacy Rogoń
W ramach wystąpienia na seminarium katedralnym mgr inż. Ignacy Rogoń przedstawił prezentację pt. „Czujniki optyczne do pooperacyjnej oceny przepływu krwi w płatach tkankowych ”. Na początku szczegółowo omówiono problematykę ukrwienia płatów tkankowych przy rekonstrukcji piersi metodami TRAM oraz DIEP. Następnie poruszono tematykę powikłań pooperacyjnych oraz wymogów stawianych konstruowanemu systemowi. W trakcie wystąpienia zaprezentowano efekty modelowania metodą Monte Carlo zachowania fotonów w tkance oraz przedstawiono schemat blokowy konstunwanego systemu. Na koniec wystąpienia mgr. Rogoń opisał swoje plany publikacyjne na najbliższy rok.
