angol nyelvtudás, önálló munkavégzés, kísérletező kedv
Az utóbbi évek egyik legjelentősebb és legdinamikusabban fejlődő orvosi képalkotó modalitása a Mágneses Rezonancia Képalkotás (MRI). Az ionizáló sugárzás hiányán túl az MRI nagy előnye, hogy változatos képalkotási eljárások, ún. pulzusszekvenciák alkalmazásával különböző kontrasztokat érhetünk el, többféle strukturális és funkcionális információt nyerhetünk a páciensből.
A neurális hálózatok használata egyre elterjedtebbé válik az orvosi képalkotásban és a diagnosztikában. A rendszerek betanítására azonban jelentős adatmennyiségre van szükség, melyek egy fejlesztés alatt álló eszköznél nem állnak rendelkezésünkre. Jelentős időnek kell eltelnie, hogy releváns vizsgálatokat tartalmazó felvételadatbázis jöjjön létre. A régebbi eszközökhöz nagyobb mennyiségű felvétel, esetenként akár normáladatbázis is elérhető, így a gépi tanuláson alapuló módszerek bevethetőek.
A Mediso Kft. által kifejlesztett módszer képes egerek MRI felvételeit feljavítani zajszűrés segítségével. Az algoritmus 2D-s, UNET architektúrájú és autoenkóder jellegűen működik. A megoldás különlegessége, hogy a csekély felvételszám miatt szimulált zajosítást alkalmaz különféle rosszabb statisztikájú felvételek létrehozására és nagymértékben támaszkodik az augmentációs technikákra.
A hallgató feladata a terület irodalmának áttekintése, a Medisoban elkészített megoldás átvétele és továbbfejlesztése. A neurális hálózatokon alapuló megoldások jellegzetessége, hogy összetett funkcionális teszteléseket igényelnek, melyekhez a metrikák és módszertanok kidolgozása is feladat.
A BME Nukleáris Technika Tanszéke részt vesz a Mediso Kft. 3T preklinikai kombinált PET-MRI készülékének fejlesztésében, az MRI mérési és rekonstrukciós eljárások területén. A hallgatónak a diplomamunka készítése során lehetősége lesz az eredményeket a Semmelweis Egyetem Biofizikai Intézetén folyó onkológiai és neurológiai kutatásaiban hasznosítani.
A hallgató feladatai:
- Ismerkedjen meg egy neurális hálózatokat kezelő keretrendszerrel (pl.: TensorFlow, PyTorch)!
- Végezzen irodalomkutatást a különböző zajszűrésre használható neurális hálózat alapú megoldásokról!
- Vizsgálja meg az MR képalkotás folyamatát a zajszűrés, illetve a felvételek szimulációjának szempontjából!
- Ismerje meg a Mediso zajszűrő megoldását, mérje fel annak előnyeit, hátrányait a konkurens megoldásokkal szemben!
- Fejlessze tovább a megoldást vagy implementáljon egy kiválasztott megoldást az MRI felvételek szűrésére!
- Hasonlítsa össze a két megoldás teljesítményét valós adatokon!
- Értékelje a megoldás teljesítményét és robusztusságát!
- Vizsgálja meg a feladat adatfüggőségét és egyéb követelményeit!
- Vonjon le következtetéseket!