Zapraszamy wszystkich na seminarium Katedry Informatyki w poniedziałek 7 listopada o godz. 12:15 w sali 3/40. Na seminarium mgr Grzegorz Ostrek wygłosi referat „Falkowe metody estymacji zmian ukrytych w diagnostyce obrazowej wczesnego udaru mózgu”, w którym przedstawione zostaną wyniki rozprawy doktorskiej.

Skrót prezentacji
Diagnostyka obrazowa odgrywa ważną rolę w rozpoznaniu ostrego udaru mózgu. Ma ona jednak istotne ograniczenia. W większości przypadków udar niedokrwienny powodowany jest zaburzeniami krążenia, które skutkują deficytem ukrwienia prowadzącym do śmierci komórek mózgu. Czułość rozpoznania objawów choroby w ciągu pierwszych 6 godzin od wystąpienia objawów, na podstawie stosowanego z wyboru obrazowania tomografii komputerowej, jest niska. Zastosowanie innych technik takich jak rezonans magnetyczny lub badania perfuzyjne również limitowane jest dostępnością, kosztami oraz występującymi przeciwwskazania u niektórych chorych. Jedną z koncepcji jest wykorzystanie danych klinicznych w analizie i klasyfikacji obrazów, chociaż wciąż niejasny jest schemat ich normalizacji oraz integracja we wspólnym modelu różnicującym. Referowana praca dotyczy metod skutecznego rozpoznania niedokrwiennego udaru mózgu na podstawie przetwarzania i analizy obrazów tomografii komputerowej. Efektem są algorytmy i realizacje poprawy percepcji ukrytych objawów udaru, a także algorytmy automatycznej detekcji i rozpoznania podejrzanych zmian chorobowych. Trudności dotyczące obiektywnej oceny efektów przetwarzania i analizy skłoniły autora do poszukiwania metod umożliwiających porównanie uzyskiwanych efektów. Przedstawiono propozycję obiektywizowanych miar oceny efektywności poprawy percepcji, z wykorzystaniem których sprawdzono i optymalizowano metody weryfikowane w testach klinicznych. Eksperymenty przeprowadzone z udziałem radiologów udowodniły, że proponowane algorytmy nieliniowego przetwarzania obrazów i poprawy percepcji stanową użyteczną klinicznie formę wspomagania diagnostyki. Zaproponowany algorytm automatycznego rozpoznania zmian niedokrwiennych wykorzystuje zarówno cechy obrazowe TK, jak też wybrane dane kliniczne. Uzyskana efektywność rozpoznania jest porównywalna do wyników osiąganych przez ekspertów.