SI3A3M

Sistem Inteligent de Analiză Auto-Adaptat Multi-modal Multi-criteriu Multi-obiectiv (SI3A3M)

Finantator: Universitatea Babes Bolyai
Code: GTC-31788

Despre proiect:
Analiza automată a imaginilor cu ajutorul calculatorului este folosită azi în domenii variate precum medicină, industria autovehiculelor, robotică, etc.. În domeniul medical aceste analize pot fi utile în diagnosticare (de ex., a cancerulului mamar), în monitorizare (de ex., a creșterii unor tumori) sau în chirurgia asistată. O parte din analize sunt dedicate identificării anumitor forme (regiuni) în aceste imagini (de ex. reconstrucția trăsăturilor anatomice din diferite modalități imagistice – tomografii, radiografii, ecografii, etc. – sau identificarea țesuturilor mamare canceroase benigne sau maligne). Algoritmii de calcul implicați în aceste analize trebuie să se poată adapta singuri la specificul fiecărei tip de formă care trebuie identificată, precum și diferitelor scopuri urmărite din punct de vedere medical. Mai mult, ei trebuie să lucreze cât mai efficient (temporal, dar și spațial) pentru a sprijinii personalul medical, dând un răspuns prompt și de calitate.
Este necesar ca tehnicile de analiză automată a imaginilor să respecte atât cerințe tehnice impuse de un domeniu atât de vast și dinamic (adică să fie multi-obiectiv – analizele efectuate putând fi orientate spre diverse interese -, multi-criterial – informațiile relevante pentru anumite scopuri ne-fiind unice, multi-modal – ținând cont de variatele modalități de stocare și reprezentare a informațiilor vizuale, auto-adaptate – tehnicile de analiză să se poată ajusta și adapta diferitelor situații practice care impun prelucrarea automată a datelor), dar și cerințe calitative (analize corecte și relevante).
Proiectul își propune să dezvolte astfel de algoritmi de învățare automată ne-supervizată eficienți (auto-adaptați, multi-modali, multi-criteriu, multi-obiectiv, bazați pe calcul paralel) pentru prelucrarea imaginilor medicale, în special a celor folosite în identificarea diferitelor tipuri de cancer.

Rapoarte tehnice

Cateva masuri de evaluare a performantei folosite in algoritmii de invatare ne-supervizata aplicati in imagini – draft01

Cativa algoritmi de invatare ne-supervizata aplicati in etichetarea imaginilor – draft01

Publicații

  • Ștefana Frătean, Laura Dioșan, GP-based classifiers for recognition of breast cancer in mammographic images, Swarm and Evolutionary Computation (submitted)
  • Roxana Mocan, Laura Dioșan, Multi-class based on multiple clustering approaches for obstacle recognition in scenes — Learn in Layers using Fuzzy Clustering and PSO, Intelligent Computer Communication and Processing (ICCP), 2016 IEEE 12th International Conference on. IEEE, 2016.

Participări la conferințe

  • IEEE International Conference on Intelligent Computer Communication and Processing (ICCP 2016), Cluj-Napoca, România, 8-10 septembrie 2016
  • International Symposium on Symbolic and Numeric Algorithms for Scientific Computing (SYNASC 2016), Timișoara, România, 24-27 Septembrie 2016