PROJEKTY NAUKOWE I GRANTY BADAWCZE
  • [Rozmiar: 11195 bajtów]
  • [Rozmiar: 11195 bajtów]
  • [Rozmiar: 11195 bajtów]

LISTA AKTYWNYCH EDYCJI KONKURSÓW dostępnych w E-COP AGH

OBECNIE REALIZOWANY PROJEKT BADAWCZY:

Projekt ABM/2022/7 finansowany przez Agencję Badań Medycznych pt. MENTALIO – system wsparcia decyzji diagnostycznych i terapeutycznych w obszarze zdrowia psychicznego nastolatków w oparciu o algorytmy sztucznej inteligencji, status: w trakcie realizacji

Wysokość grantu: 3.768.206 PLN

Projekt uzyskał pierwsze miejsce na liście rankingowej rankingowej: Lista rankingowa Konkursu dla przedsiębiorstw na opracowanie innowacyjnych wyrobów medycznych opartych o sztuczną inteligencję do koordynowania diagnostyki i leczenia w ambulatoryjnej opiece specjalistycznej i leczeniu szpitalnym ABM/2022/7

Okres realizacji: od 2023-06-12 do 2026-06-11

Podpisanie umowy przez Władze AGH z firmą Nivalit:

agh podpisanie umowy z vivalit vivelio 2023 05 10

Celem prac badawczych jest opracowanie systemu AI pomagającego psychiatrom, psychologom i opiekunom ocenić stopień zagrożenia popełnienia samobójstwa przez dzieci i młodzież oraz wspomagać diagnostykę i terapię, wykorzystując asocjacyjne struktury grafowe.

Grupa badawcza

  • dr inż. Konrad Komnata - Prezes NIVALIT, koordynator prac informatycznych, wykonawca
  • dr inż. Wojciech Komnata - Vice-Prezes NIVALIT, wykonawca
  • dr hab. Maciej Pilecki, prof. UJ - koordynator ze strony UJ, konsultant
  • dr hab. Adrian Horzyk, prof. AGH - koordynator ze strony AGH, konsultant
  • Zespoły lekarzy psychiatrów i innych konsultantów

ZREALIZOWANY I ZAKOŃCZONY PROJEKT BADAWCZY:

Projekt IDUB nr 1570 pt. Wykorzystanie asocjacyjno-kognitywnych neuronowych sieci głębokich do modelowania wiedzy, predykcji i klasyfikacji w obszarze patofizjologii chorób serca, mój udział i funkcja: kierownik i główny wykonawca, 2021-07 - 2024-06, w trakcie realizacji

Wysokość grantu: 400.000 PLN

Okres realizacji: od 2021-07-01 do 2023-11-30

Celem prac badawczych jest zastosowanie rozwiniętych już metod modelowania wiedzy z wykorzystaniem struktur asocjacyjno-kognitywnych i głębokich grafowych sieci neuronowych do zadań predykcji i klasyfikacji chorób serca na podstawie modelowania i automatycznej analizy sygnałów EKG. Rozwinięte przez nas w ubiegłych latach modele udowodniły swoją skuteczność ze względu na ich nowe możliwości w modelowaniu danych z uwzględnieniem zmian periodycznych. Zmiany te nie są wystarczająco dobrze reprezentowane przez wiele popularnych modeli kluczowych z punktu widzenia badania zmian na podstawie sygnałów EKG. Wiele sygnałów biomedycznych, w tym w szczególności sygnały EKG charakteryzują się okresowością, a wszelkie zaburzenia tej okresowości mogą wskazywać na zaburzenia w obszarze patofizjologii serca. Ponadto sygnały te są często zaszumione i zawierają różne artefakty. Z tego powodu klasyczne metody uczenia maszynowego nie radzą sobie z wykrywaniem dużej części chorób serca, ale również z powodu braku możliwości operowania na sygnałach pseudo okresowych (bez przeprowadzania odpowiednich transformat danych wejściowych) i wykrywania czasem bardzo subtelnych różnic, niosących istotną informację diagnostyczną. Nasze badania prowadzone w tym obszarze zmierzają w kierunku zamodelowania właśnie tych różnic w taki sposób, by wszystkie istotne zmiany w sygnałach EKG mogły być poprawnie odwzorowane i wykorzystane do predykcji jednostek chorobowych serca, jak również wskazywać poziom niekorzystnych zmian w akcji serca. Naszym celem jest zbudowanie takich metod i modeli dla EKG, które będą w stanie wspomagać lekarzy oraz skutecznie kontrolować osoby z dolegliwościami, ostrzegając te osoby lub rekomendując podjęcie leczenia w kierunku wykrytych chorób lub zaburzeń.

Dalsze rozwijanie opracowywanych neuronowych struktur i metod asocjacyjno-kognitywnych oraz ich wykorzystanie do dużych zbiorów danych zależne jest jednak w dużej mierze od możliwości obliczeniowych, które obecnie bardzo ograniczają nasze dalsze badania w tym zakresie. Modelowanie i skuteczna adaptacja i uczenie asocjacyjno-kognitywnych głębokich struktur neuronowych wymaga zastosowania specjalistycznego sprzętu do obliczeń mieszanych (asynchroniczno-synchronicznych obliczeń równoległych w kontekście czasu z pełną kontrolą procesów w nich zachodzących na etapie ich modelowania), mogących skutecznie i szybko wykonywać takie obliczenia. Stąd podstawowym celem niniejszego wniosku jest pozyskanie środków na zakup sprzętu pozwalającego na dalsze prowadzenie badań na dużych zbiorach danych, co warunkuje możliwość prowadzenia badań na światowym poziomie oraz opublikowania opracowanych wyników w wysoko punktowanych czasopismach naukowych.

Grupa badawcza

Skonstruowana w trakcie trwania projektu aplikacja FLEXPOINTS.BIONETLABS prezentująca możliwości i wyniki dla dowolnych sygnałów EKG.

ZREALIZOWANY I ZAKOŃCZONY PROJEKT BADAWCZY:

Projekt OPUS nr 2016/21/B/ST7/02220, Konkurs 21, pt. Opracowanie efektywnych mechanizmów percepcyjnych robota wykorzystujący uczenie motywowane oraz samo-organizującą się pamięć asocjacyjną. - badacz i wykonawca, 2017-2020, status: zakończony.

Strona projektu badawczego

Inteligentne urządzenia wkraczają coraz bardziej do naszego życia. Rozwój inteligencji maszyn wiąże się z potrzebą rozwiązania wielu problemów naukowych i technicznych. Ich rozwiązanie wymaga szybkiego wyszukiwania i rozpoznawania obiektów w dynamicznie zmieniającym się środowisku oraz działania na tych obiektach pod kątem osiągania wyznaczonych celów. Zarówno obiekty jak również operacje wykonywane na nich można opisywać poprzez różnego rodzaju wzorce. Obecnie nie istnieją uniwersalne metody reprezentacji i automatycznej konsolidacji różnych kategorii wzorców w jednym systemie kognitywnym pozwalającym na skuteczne operowanie na nich oraz rozbudowę wiedzy na temat procesów z nimi związanych. Brakuje też metod uczenia maszynowego umożliwiających automatyzację procesów formowania wiedzy o środowisku w celu dążenia systemu do osiągnięcia wyznaczonych zadań.

Celem projektu jest stworzenie sztucznej sieci neuronowej inspirowanej działaniem ludzkiego mózgu, pozwalającej na oszczędną reprezentację różnych obiektów oraz wykonywanych na nich operacji. Sieć będzie miała za zadanie reagować na znane i nowe sytuacje wykorzystując nabytą wiedzę i zdolność do jej uogólniania.

Kolejnym celem proponowanych badań jest opracowanie nowych efektywnych mechanizmów percepcyjnych wykorzystujących uogólnioną ideę uczenia motywowanego oraz nowe asocjacyjne mechanizmy uczenia i wnioskowania. Uczenie motywowane będzie stosowane w wirtualnych robotach działających w specjalnie dla tego celu stworzonym środowisku symulacyjnym, jak również w fizycznych robotach działających w rzeczywistym świecie. Uczenie motywowane ma pozwolić robotom określać cele i uczyć się sposobów ich osiągnięcia. W ramach realizacji projektu przewiduje się też rozbudowanie mechanizmów motywacyjnych w taki sposób, aby działania dwóch współpracujących ze sobą robotów mogły być dla siebie bodźcem motywacyjnym do podejmowania wspólnych działań. Roboty zostaną wyposażone mechanizmy percepcyjne, opracowane w tym projekcie. Informacje o środowisku pozyskiwane będą za pośrednictwem systemu kamer, mikrofonów i mierników odległości. Na tej podstawie tworzone będą wzorce czasowo-przestrzenne wykorzystywane do uczenia robotów. Działanie systemów sensorycznych będzie wspomagane specjalistycznymi metodami przetwarzania obrazów i dźwięków. Neuronowy system skojarzeniowy generował będzie sygnały sterujące robotami w środowisku wirtualnym lub rzeczywistym.

Celem naukowym badań jest również opracowanie nowych mechanizmów pamięciowych zdolnych do semantycznej i epizodycznej reprezentacji wzorców pochodzących ze środowiska. Planowane jest zbudowanie i przetestowanie innowacyjnego systemu percepcji wizualnej i dźwiękowej dla robota w oparciu o mechanizmy pamięci epizodycznej. Naszą hipotezą jest, iż percepcja bodźców wizualnych oraz dźwiękowych przyniesie najlepsze efekty po zastosowaniu systemów uczących się z pamięcią, zdolną do gromadzenia i modelowania wiedzy oraz tworzenia pamięci asocjacyjnych dla dowolnych wzorców czasowo-przestrzennych. Opracowane zostaną nowe asocjacyjne mechanizmy kontekstowego wywoływania wzorców utrwalonych w tych pamięciach, wspomagające osiągnięcie wyznaczonych celów. Ważnym zadaniem jest osiągnięcie uogólnienia działania systemu skojarzeniowego na inne przypadki. W projekcie wykorzystane zostaną obliczenia równoległe w celu naśladowania naturalnego sposobu działania struktur nerwowych i podniesienia efektywności przetwarzania danych. Projekt będzie zmierzał w kierunku udowodnienia hipotezy badawczej, iż na podobieństwo działania biologicznych systemów nerwowych możliwa jest skojarzeniowa reprezentacja i eksploatacja wiedzy.

Spodziewane rezultaty proponowanych badań podstawowych będą mieć wpływ na rozwój następnej generacji robotów, szczególnie przy wykonywaniu operacji i zadań z rosnącą autonomią, bezpieczeństwem, zaufaniem i inteligencją. Pozyskana wiedza może być zastosowana w wielu dziedzinach do automatycznego postrzegania, monitorowania i odtwarzania otoczenia; do lokalizacji, detekcji i identyfikacji interesujących obiektów; podejmowania decyzji w oparciu o rozumienie otoczenia i różnych bodźców zewnętrznych oraz podejmowania działań we współpracy z człowiekiem.

UDZIAŁ W PROJEKTACH NAUKOWYCH I GRANTACH BADAWCZYCH W PRZESZŁOŚCI:

  1. Grant KBN nr 8 T11C 002 19, pt. Nowe metody uczenia sieci neuronowych bez sprzężeń zwrotnych, rodzaj projektu: promotorski (promotor i kierownik grantu: prof. dr hab. inż. Ryszard Tadeusiewicz), mój udział i funkcja: główny wykonawca, 2000-2001, ocena: znakomity - lista publikacji będących wynikiem prac badawczych, Status: Zakończony.
  2. Grant KBN nr 4 T11E 031 23, pt. Wykorzystanie sztucznej inteligencji do wspomagania jakościowej interpretacji biomedycznych sygnałów akustycznych, rodzaj projektu: własny, mój udział i funkcja: wykonawca, 2003-2005, Status: zakończony.
  3. Grant KBN nr 4 T11C 025 24, pt. Efektywna klasyfikacja w oparciu o nowy rodzaj ontogenicznych sieci neuronowych, rodzaj projektu: własny, mój udział i funkcja: kierownik grantu i główny wykonawca, 2003-2006, Status: zakończony - lista publikacji będących wynikiem prac badawczych.