Nalaganje ...
Projekti / Programi vir: ARIS

Analiza medicinskih slik s strojnim učenjem za napovedovanje poteka možganskih bolezni in učinkovitosti terapije

Raziskovalna dejavnost

Koda Veda Področje Podpodročje
2.06.10  Tehnika  Sistemi in kibernetika  Medicinska informatika 

Koda Veda Področje
2.06  Tehniške in tehnološke vede  Zdravstveni inženiring 
Ključne besede
analiza slik, obdelava slik, strojno učenje, prediktivni modeli, magnetno resonančno slikanje, nevrodegenerativne bolezni, multipla skleroza, napovedovanje poteka bolezni, vrednotenje učinkovitosti terapije
Vrednotenje (pravilnik)
vir: COBISS
Raziskovalci (31)
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacijŠtev. publikacij
1.  38326  Jernej Avsenik  Nevrobiologija  Raziskovalec  2020 - 2024  72 
2.  53941  Žiga Bizjak  Sistemi in kibernetika  Raziskovalec  2020 - 2024  22 
3.  34774  dr. Gregor Brecl Jakob  Nevrobiologija  Raziskovalec  2020 - 2024  72 
4.  25528  dr. Miran Burmen  Sistemi in kibernetika  Raziskovalec  2020 - 2024  112 
5.  51911  Lara Dular  Sistemi in kibernetika  Mladi raziskovalec  2020 - 2022  13 
6.  34906  Tine Holc    Tehnični sodelavec  2020 - 2024 
7.  14075  dr. Alenka Horvat Ledinek  Nevrobiologija  Raziskovalec  2020 - 2024  138 
8.  33933  Dejan Hribar    Tehnični sodelavec  2020 - 2024 
9.  54320  Kristijan Ivanušič  Nevrobiologija  Raziskovalec  2023 - 2024 
10.  17708  Regina Klavžar    Tehnični sodelavec  2020 - 2024 
11.  35410  dr. Žiga Lesjak  Sistemi in kibernetika  Raziskovalec  2022  11 
12.  15678  dr. Boštjan Likar  Sistemi in kibernetika  Raziskovalec  2020 - 2024  381 
13.  51505  Alja Longo  Nevrobiologija  Raziskovalec  2020 - 2024 
14.  34298  dr. Samo Mahnič-Kalamiza  Sistemi in kibernetika  Raziskovalec  2021 - 2022  85 
15.  36457  dr. Peter Naglič  Sistemi in kibernetika  Raziskovalec  2020 - 2022  55 
16.  20710  Nuška Pečarič Meglič  Nevrobiologija  Raziskovalec  2020 - 2024  94 
17.  06857  dr. Franjo Pernuš  Sistemi in kibernetika  Raziskovalec  2020 - 2024  520 
18.  17712  mag. Janez Podobnik  Nevrobiologija  Raziskovalec  2020 - 2024  63 
19.  28885  dr. Peter Popović  Onkologija  Raziskovalec  2020 - 2024  511 
20.  55680  Domen Preložnik  Računalništvo in informatika  Raziskovalec  2021 - 2024 
21.  15441  dr. Uroš Rot  Nevrobiologija  Raziskovalec  2020 - 2024  188 
22.  20836  Andrej Sirnik  Medicina  Raziskovalec  2020 - 2024  24 
23.  08752  dr. Saša Šega Jazbec  Srce in ožilje  Raziskovalec  2020 - 2024  204 
24.  28465  dr. Žiga Špiclin  Sistemi in kibernetika  Vodja  2020 - 2024  143 
25.  33508  dr. Katarina Šurlan Popović  Nevrobiologija  Raziskovalec  2020 - 2024  265 
26.  20383  dr. Dejan Tomaževič  Proizvodne tehnologije in sistemi  Raziskovalec  2021 - 2022  95 
27.  51425  Tina Vipotnik Vesnaver  Srce in ožilje  Raziskovalec  2020 - 2024  72 
28.  57224  Matej Vouk  Medicina  Raziskovalec  2023 - 2024 
29.  28076  dr. Matej Vrabec  Medicina  Raziskovalec  2020 - 2024  21 
30.  23404  dr. Tomaž Vrtovec  Sistemi in kibernetika  Raziskovalec  2020 - 2024  205 
31.  50679  mag. Yevhen Zelinskyi  Sistemi in kibernetika  Mladi raziskovalec  2020 - 2022  12 
Organizacije (2)
št. Evidenčna št. Razisk. organizacija Kraj Matična številka Štev. publikacijŠtev. publikacij
1.  1538  Univerza v Ljubljani, Fakulteta za elektrotehniko  Ljubljana  1626965  28.012 
2.  0312  Univerzitetni klinični center Ljubljana  Ljubljana  5057272000  77.953 
Povzetek
Projekt direktno naslavlja prioriterno področje Raziskav nevrodegenerativnih bolezni (JPND), ki ga je določila Javna agencija za raziskovalno dejavnost Republike Slovenije (ARRS). V projektu se bomo osredotočili na bolezen multiple skleroze (MS), kar ne bo vplivalo na splošnost rezultatov, saj MS vključuje dve patologiji prisotni tako v možgansko žilnih boleznih, Alzheimerjevi in drugih demencah, depresiji, shizofreniji in bipolarni motnji. Ti dve patologiji sta žariščne poškodbe možganskega tkiva ali lezije in progresivna izguba nevronov oziroma nevrodegeneracija. Obetavna značilnost je, da se tako lezije kot nevrodegeneracija pojavita od nekaj mesecev pa celo do nekaj let prej kot pa z boleznijo povezani klinični znaki. Magnetno resonančna (MR) tomografija je najbolj občutljiva metoda slikanja mehkega tkiva, zato se precej uporablja za vrednotenje normalnega možganskega tkiva in zaznavanje patoloških lezij. Na podlagi MR slikanja se lahko akumulacijo lezij in nevrodegeneracijo kvantitativno opredeli in vivo. To je tudi razlog, da se z informacijami bogate MR slike glave vedno pogosteje uporabljajo v velikih kliničnih študijah, naprimer, pri testiranju novil zdravil in terapij se iz MR slik izluščene meritve uporabljajo kot nadomestni pokazatelji kliničnega izida zdravljenja. Na ta način se pohitri razvoj novih zdravil in s tem manj izpostavlja v študijo vključene bolnike. V kliničnih študijah se izvaja primerjave med skupinami bolnikov, medtem ko se pri kliničnem delu srečamo s posameznimi bolniki in se zato v študijah uporabljane MR meritve ali slikovni biomarkerji še ne uporabljajo rutinsko. Glavne ovire so visoka variabilnost (subjektivne) vizualne ocene MR slik in visoka variabilnost v kakovosti rutinske MR preiskave. Obetavna tehnična rešitev, ki bi lahko omogočila objektivne in zanesljive kvantitativne meritve je računalniška analiza MR slik. V fokusu tega projekta bo analiza MR slik z naprednimi tehnikami strojnega učenjem za razvoj točnih, interpretabilnih in zanesljivih napovednih modelov, ki bodo naslavljali potrebo po objektivni prognozi poteka bolezni in oceni učinkovitosti zdravljenja pri bolnikih z MS in/ali drugimi nevrogenerativnimi boleznimi. Predlagani projekt ima 8 predvidenih rezultatov: (1) zajem bogato označenih MR slik glave in hrbtenjače in (2) pridružena zbirka kliničnih, laboratorijskih meritev, oceno drže, ravnotežja, itd. Za MR slike zajete s kliničnim protokolom bo razvit (3) postopek avtomatske zaznave MR sekvence in ocene kvalitete slik ter (4) postopek izboljšave kakovosti na osnovi učenja nasprotniških nevronskih mrež. Sledijo (5) izločeni zgoščeni opisi MR slik na osnovi razgradnje možganov in hrtenjače, značilnic teksture in oblike, in preslikav z avtokodirniki. Nato bodo (6) na osnovi izločenih značilnic in izboljšanh MR slik razviti napovedni modeli, s poudarkom na interpretabilnosti in zanesljivosti. Poleg (7) pričakovanih odmevnih znanstvenih publikacij je osrednji cilj (8) razvoj, integracija in prospektivno vrednotenje sistema za podporo odločanju pri zdravljenju bolezni MS, ki bo temeljil na naprednih napovednih modelih in uporabi MR slik zajetih po standardnem kliničnem protokolu. Preliminarni rezultati kažejo, da je z analizo MR slik možno zagotoviti optimalno zdravljenje povprečno v roku 1,2 leta, pri uporabi le kliničnih izidov pa v roku 3,9 let. Običajno je klinični izid stopnja prizadetosti po lestvici EDSS ali prisotnost zagonov bolezni. Z iskanjem optimalnih napovednih modelov kliničnih izidov iz slik tudi pričakujemo, da bomo natančno opredelili nekatere nejasne povezave med značilnostmi MR slik in kliničnimi izidi pri bolnikih z MS. Poleg jasnega doprinosa za posameznega bolnika bo izboljšano klinično upravljanje pripomoglo tudi k zmanjšanju visokih direktnih in indirektnih socioekonomskih stroškov povezanih z zdravljenjem bolnikov z MS.
Zgodovina ogledov
Priljubljeno