Oferta Naukowa

Oferta nr 7 - Osoba prowadząca: prof. dr hab. inż. Jacek Kluska

Andrzej Bąk

Dane adresowe i kontaktowe 

Imię i nazwisko:  prof. dr hab. inż. Jacek Kluska

Stanowisko: prof. nadzw.

Jednostka administracyjna: Wydział Elektrotechniki i Informatyki, Katedra Informatyki i Automatyki  

Adres: ul. W. Pola 2, 35-959 Rzeszów Budynek: D

Nr pokoju: 107 Telefon: 665 890 008 E mail: Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript.

Opis prowadzonych badań w zakresie medycyny i inżynierii medycznej 

Motywacja. Współpraca informatyków z lekarzami jest bardzo potrzebna, ponieważ lekarze nie powinni się zajmować studiowaniem metod matematycznych i programowaniem komputerów, z kolei informatyków nie stać na studiowanie medycyny. 

Dotychczasowe badania. Tematyka badań obejmuje zastosowanie i rozwój zaawansowanych metod inteligencji obliczeniowej i podejmowania decyzji w medycynie (sieci neuronowe, algorytmy ewolucyjne, programowanie ekspresji genów, logika rozmyta, uczenie głębokie, uczenie ze wzmocnieniem, itd.). Przykłady (por. publikacje): - przewidywanie powikłań pooperacyjnych, - przewidywanie 5-letniego okresu przeżywalności dla chorych na raka,  - diagnostyka raka piersi, - odkrywanie wiedzy na podstawie danych medycznych, zwłaszcza odkrywanie reguł, - redukcja danych i problem istotności atrybutów. 

Zamierzenia. Chcielibyśmy wykorzystać do celów rehabilitacyjnych lub diagnostycznych system czujników inercyjnych Xsens wraz z dedykowanym oprogramowaniem umożliwiającym zbieranie danych o ruchu ciała człowieka w przestrzeni trójwymiarowej w czasie rzeczywistym. Ponadto chcemy wykorzystać do celów diagnostycznych lub rehabilitacyjnych oprogramowania SIMM 

 

Współpraca z podmiotami zewnętrznymi w zakresie medycyny i inżynierii medycznej 

  1. Na razie współpracujemy z dr n. med. Bogdanem Obrzutem z Uniwersytetu Rzeszowskiego. 

Publikacje 

  1. Kusy M.: “Dimensionality Reduction for Probabilistic Neural Network in Medical Data Classification Problems”, International Journal of Electronics and Telecommunications, Vol. 61, No. 3, s. 293–304, 2015. 
  2. Kusy M., Zajdel R.: “Probabilistic neural network training procedure based on Q(0)-learning algorithm in medical data classification”, Applied Intelligence, Vol. 41, No. 3, s. 837–854, 2014. 
  3. Kusy M., Obrzut B., Kluska J.: “Application of gene expression programming and neural networks to predict adverse events of radical hysterectomy in cervical cancer patients”, Medical & Biological Engineering & Computing, Vol. 51, No. 12, s. 1357–1365, 2013. 
  4. Kluska J., Kusy M., Obrzut B.: “The Classifier for Prediction of Peri-operative Complications in Cervical Cancer Treatment”, Lecture Notes in Artificial Intelligence LNAI 8468 (L. Rutkowski, M. Korytkowski, R. Sherer, R. Tadeusiewicz, L.A. Zadeh, J. Żurada, Eds.), Springer International Publishing Switzerland, s. 155-166, Part II, 2014. 
  5. Kusy M., Zajdel R.: “Stateless Q-Learning Algorithm for Training of Radial Basis Function Based Neural Networks in Medical Data Classification”, Advances in Intelligent Systems and Computing 230 (J. Korbicz, M. Kowal, Eds.) Springer-Verlag Berlin, Heiderberg, s. 267-278, 2014. 
  6. Kusy M., Kluska J.: “Probabilistic Neural Network Structure Reduction for Medical Data Classification”, Lecture Notes in Artificial Intelligence LNAI 7894 (L. Rutkowski, M. Korytkowski, R. Sherer, R. Tadeusiewicz, L.A. Zadeh, J. Żurada, Eds.), Springer-Verlag Berlin, Heiderberg, s. 118-129, Part I, 2013. 
  7. Kluska J., Kusy M., Obrzut B.: “Prediction of Radical Hysterectomy Complications for Cervical Cancer Using Computational Intelligence Methods”, Lecture Notes in Artificial Intelligence LNAI 7268 (L. Rutkowski, M. Korytkowski, R. Sherer, R. Tadeusiewicz, L.A. Zadeh, J. Żurada, Eds.), Springer-Verlag Berlin, Heiderberg, s. 259267, Part II, 2012. 
  8. Kusy M.: “New Stopping Procedure for SMO Algorithm Presented in Medical Data Classification” Computational Intelligence: Methods and Applications, (A. Cader, L. Rutkowski, R. Tadeusiewicz, J. Żurada, Eds.), Academic Publishing House EXIT, s. 279-290, Warszawa 2008. 
  9. Kusy M.: “Application of data classifiers to breast cancer diagnosis”, Fault Diagnosis and Fault Tolerant Control (J. Korbicz, K. Patan, M. Kowal, Eds.), Academic Publishing House EXIT, s. 279-286, Warszawa 2007. 
  10. Kusy M., Zajdel R.: “Prediction Capabilities of Nonlinear Models in Normalized Medical Data Classification”, Artificial Intelligence and Soft Computing (A. Cader, L. Rutkowski, R. Tadeusiewicz, J. Żurada, Eds.), Academic Publishing House EXIT, s. 267-272, Warszawa 2006.
  11. Kusy M.: “Application of SVM to ovarian classification problem”, Lecture Notes in Artificial Intelligence LNAI, 3070 (L. Rutkowski, J. Siekmann, R. Tadeusiewicz, L.A. Zadeh, Eds.), Springer-Verlag Berlin Heiderberg New York, s. 1020-1025, 2004 

Projekty badawcze oraz szkoleniowe, wdrożenia, patenty zgłoszenia patentowe oraz inne rozwiązania użytkowe 

  1. Grant NCN: „Rozwój wielomianowych rozmytych systemów regułowych oraz metod inteligencji obliczeniowej do zastosowań w technice i medycynie”, projekt Nr N N514 705540, 04.04.2011 - 03.09.2013) 

 

Aparatura badawcza i oprogramowanie w jednostce do wykorzystania w zakresie medycyny i inżynierii medycznej 

  1.  SIMM (Software for Interactive Musculoskeletal Modelling) - oprogramowanie pozwalające na graficzną symulację oraz analizę układu mięśniowego człowieka. Umożliwia wyliczanie sił i momentów powstających podczas symulacji pracy mięśni. Przykładowym zastosowaniem jest modelowanie zmian w funkcjonowaniu działania mięśni które mogą wystąpić po operacjach chirurgicznych.
  2. MVN Biomech, to system wyprodukowany przez firmę XSens, który pozwala na kompleksową rejestrację ruchu ciała człowieka. Składa się z dwóch części, pierwsza to kostium zbudowany w oparciu o czujniki inercyjne, które mocowane są do wszystkich segmentów ciała. Rejestrowane dane przesyłane są bezprzewodowo do komputera gdzie przetwarzane są przez drugi element systemu tj. specjalistyczne oprogramowanie MVN Studio. Cała wizualizacja odbywa się w czasie rzeczywistym a dokładność porównywalna jest z systemami optycznymi.
  3. Matlab, Weka.