|
Projekt kluczowy Unii Europejskiej: BADANIA I ROZWÓJ NOWOCZESNYCH TECHNOLOGII (projekt zatwierdzony, 01.01.2008 r. - 31.12.2011 r. )
Realizowany temat UŚ: WSPOMAGANIE DECYZJI – SYSTEMY NOWEJ GENERACJI Budowa praktycznych systemów nowej generacji, które mają być efektem realizacji tego podprojektu, wymaga, by przeprowadzone zostały szerokie badania podstawowe, m.in. w następujących obszarach:
Zrealizowany zostanie uniwersalny system wspomagania decyzji z wbudowanymi narzędziami do złożonych procesów wnioskowania i samoorganizacji bazy wiedzy, nowe architektury i paradygmaty. Zadanie dotyczy zaprojektowania i realizacji programowej systemu o unikalnej architekturze. W jego ramach przewiduje się opracowanie koncepcji samoorganizującej się struktury hierarchicznej bazy wiedzy, metod jej weryfikacji oraz opracowanie zmodyfikowanych algorytmów wnioskowania dla złożonych baz wiedzy (koncepcja hierarchicznych skupień reguł, jednostek decyzyjnych, sieci Petriego itp.). Przewiduje się również wykorzystanie i rozwój zbiorów przybliżonych z zastosowaniem wzorców decyzyjnych, reguł i reduktów częściowych dla pozyskania wiedzy z informacji niepełnych (niepewnych). Do analizy grafowych reprezentacji wiedzy przewiduje się wykorzystanie algorytmów mrowiskowych, grafów przepływu i sieci kognitywnych. Przewiduje się opracowanie samoorganizującej się hierarchicznej bazy wiedzy z wbudowanymi metodami weryfikacji poprawności zgromadzonej wiedzy. Wiedza gromadzona w systemie będzie pozyskiwana różnymi metodami i z różnych źródeł (od ekspertów, z różnego typu dużych baz danych, z rozproszonych baz sieciowych). Przewiduje się również pozyskiwanie i zarządzanie wiedzą niepełną (zbiory przybliżone, sieci neuronowe, sieci kognitywne). Przeprowadzona zostanie optymalizacja zawartości hierarchicznej bazy wiedzy oraz procesów wnioskowania w warunkach wykorzystywania wiedzy pochodzącej z niejednorodnych źródeł. Zadanie zostanie zakończone przetestowaniem systemu i opracowaniem wersji użytkowych systemu na danych rzeczywistych dotyczących:
Zaawansowane algorytmy tekstowe Projekt badawczy MNiSW nr: N N519 317735, 2008-2009, 180 700 zł Przedmiotem badań projektu będą zaawansowane algorytmy tekstowe. W szczególności rozwiązywane będą problemy wyznaczania najdłuższego wspólnego podciągu oraz indukcji gramatyki bezkontekstowej. Dla obu problemów zostaną opracowane efektywne algorytmy służące do ich rozwiązania. Algorytmy mają charakter tekstowy ponieważ dane, które podlegają przetwarzaniu są tekstami (słowami, łańcuchami znaków). W pierwszym problemie, dla zadanych tekstów należy znaleźć najdłuższy wspólny podciąg o określonych cechach. Rozwiązanie drugiego problemu polega na znalezieniu gramatyki bezkontekstowej na podstawie skończonej liczby słów należących do języka opisanego tą gramatyką. Oba problemy mają liczne zastosowania praktyczne, m.in. w bioinformatyce, w wyszukiwaniu informacji muzycznych, w lingwistyce oraz rozpoznawaniu mowy i in. Badania projektu będą miały charakter teoretyczny i eksperymentalny. W części teoretycznej zostaną przeprowadzone prace mające na celu określenie ograniczeń górnych i dolnych złożoności algorytmów rozwiązujących analizowane problemy. Pozwoli to na zakwalifikowanie ich do klas NP lub P. W części eksperymentalnej, algorytmy zostaną zaimplementowane, również w wersji równoległej, i poddane badaniom na wybranych przykładach. Jak wskazano powyżej, oba problemy mają wiele zastosowań i mogą być przedmiotem odpowiednich aplikacji. W ramach proponowanego projektu zostaną opracowane algorytmy oraz podstawy konstruowania takich aplikacji. Uzyskane wyniki badań zostaną opublikowane w czasopismach o zasięgu międzynarodowym i krajowym, w szczególności objętych listą JCR (Journal Citation Reports), a także zaprezentowane na konferencjach. Wyniki dotyczące problemów znajdowania najdłuższych wspólnych podciągów oraz indukcji gramatyki bezkontekstowej zostaną zawarte w rozprawach habilitacyjnych głównych wykonawców projektu. Zastosowanie zbiorów przybliżonych w procesie analizy złożonych danych medycznych
Projekt badawczy promotorski MNiSW nr: N 20602432/3827, 2007-2008, 24.800 zł
Niniejszy projekt badawczy dotyczy opracowania metody analizy złożonych danych medycznych przy wykorzystaniu nowoczesnych algorytmów przetwarzania danych opartych na teorii zbiorów przybliżonych. Termin złożone dane medyczne definiuje dane medyczne zawierające informacje zapisane zarówno w formie danych symbolicznych, numerycznych jak i informacje zawarte w opisach w języku naturalnym. Złożoność analizy takich danych polega m.in. na właściwym doborze metod przetwarzania wstępnego pozwalających na transformację przechowywanej informacji do postaci zrozumiałej przez algorytmy analizy danych, właściwej selekcji cech oraz przedstawieniu wyników analizy w postaci umożliwiającej ich weryfikację (zrozumiałej dla lekarzy ekspertów).
Wnikliwa analiza literaturowa oraz wyniki wstępnie przeprowadzonych badań ujawniły zalety zastosowania teorii zbiorów przybliżonych jako głównej metody analizy danych medycznych. Teoria zbiorów przybliżonych (ang. Rough Sets) przedstawiona przez prof. Zdzisława Pawlaka w roku 1982 definiuje matematyczne narzędzie pozwalające na wnioskowanie w warunkach niepewności. Głównym założeniem wymienionej teorii jest możliwość istnienia nieostrych granic pomiędzy zbiorami. Możliwość aproksymacji rozwiązania za pomocą dolnego i górnego przybliżenia zbioru pozwala na budowę rozwiązań zdolnych do pracy z danymi zawierającymi szum i niekonsekwencje - nieodłączny atrybut "rzeczywistych" danych. Dodatkową zaletą metod analizy danych opartych na teorii zbiorów przybliżonych jest możliwość prezentacji wyników w postaci łatwo zrozumiałych i przez to weryfikowalnych reguł decyzyjnych. Możliwość weryfikacji i ewentualnego uzupełnienia wygenerowanych reguł decyzyjnych pozwala zastosować opisywany proces m.in. do:
W ramach projektu przeprowadzone zostanę następujące badania: import danych medycznych z klinicznych systemów bazodanowych, selekcja atrybutów w zależności od wybranego atrybutu decyzyjnego, obliczanie reguł decyzyjnych z wykorzystaniem algorytmów bazujących na teorii zbiorów przybliżonych oraz weryfikacja otrzymanych reguł decyzyjnych. Spodziewane efekty poznawcze i praktyczne realizowanego projektu to:
Złożone bazy wiedzy: struktura i procesy wnioskowania
Projekt badawczy promotorski MNiSW nr: N 206 1531 33, 2007-2008, 25.000 zł Podstawowym celem projektu jest analiza problemu budowy złożonych baz wiedzy w systemach wspomagania decyzji. Bazę wiedzy o dużej liczbie reguł, cechującą się dodatkowo złożoną strukturą wewnętrzną, nazywać będziemy złożoną bazą wiedzy. Wydaje się być koniecznym zastosowanie technik data-miningu do znalezienia zależności w danych i do grupowania podobnych reguł. Analiza skupień jest metodą, która pozwala na budowanie hierarchii wśród reguł (hierarchiczne bazy wiedzy) bazując na relacji podobieństwa reguł do siebie (bądź to w części warunkowej bądź decyzyjnej). Z kolei efektywne metody przeszukiwania struktur drzewiastych (hierarchicznych) pomogą skrócić czas pracy interpretera reguł w maszynie wnioskującej danego systemu wspomagania decyzji. To przyczynia się do optymalizacji procesów wnioskowania w takich systemach. Niezwykle istotnym zagadnieniem projektu jest analiza obydwu metod wnioskowania: w przód i wstecz, dla tak tworzonych hierarchicznych baz wiedzy i ich ocena na tle tzw. klasycznych baz wiedzy (bez skupień reguł). Z zagadnieniami czysto teoretycznymi podejmowanymi w projekcie powiązana jest praktyczna implementacja proponowanych metod grupowania reguł, a następnie wnioskowania. Rezultatem projektu będzie system wspomagania decyzji dla złożonych dziedzinowych baz wiedzy pracujący na danych rzeczywistych (medyczne czy ekonomiczne systemy diagnostyczne).
Opracowanie przestrzennego modelu gęstości tkanki kostnej umożliwiającego komputerową analizę własności mechanicznych kości
Projekt badawczy MNiSW nr: N518 3018 33, 2007-2008, 76.000 zł Jednym z podstawowych działań wchodzących w skład inżynierii biomedycznej jest zastosowanie symulacji komputerowej do rozwiązywania problemów w medycynie i biologii. Dziedzina to rozwija się bardzo dynamicznie głównie ze względu na szybkie tempo rozwoju techniki komputerowej. Jeszcze kilka lat temu obliczenia modeli numerycznych mogły odbywać się tylko w wyspecjalizowanych do tego celu centrach obliczeniowych. Dziś obliczane wcześniej symulacje mogą zostać przeprowadzone w ciągu godziny na przeciętnym domowym komputerze klasy PC. Tak szybki rozwój nauk komputerowych pozwala na budowę bardzo skomplikowanych modeli, które są obliczane z wykorzystaniem wielu zaawansowanych metod numerycznych. Ma to swój wpływ na akcelerację także innych dziedzin nauki korzystających z metod obliczeniowych. Podstawą symulacji jest właściwie skonstruowany model. W przypadku tkanki kostnej symulacja z zastosowaniem znanej metody elementów skończonych jest bardzo popularnym podejściem. Jednak właściwe skonstruowanie modelu tkanki kostnej jest przedmiotem badań wielu ośrodków. Opracowano wiele metod tworzenia modelu i definiowania jego własności. Głównym celem projektu jest połączenie w jednym działaniu wiedzy z zakresu inżynierii biomedycznej oraz informatyki w celu opracowania oprogramowania pozwalającego na wspomaganie konstruowania numerycznego modelu tkanki kotnej. Model ten pozwoli na przeprowadzanie symulacji z uwzględnieniem przestrzennego rozkładu gęstości tkanki kostnej. W ten sposób możliwa będzie kompleksowa analiza własności modelowanej tkanki kostnej z uwzględnieniem jej parametrów densytometrycznych oraz mechanicznych. Na podstawie modelu tkanki kostnej, (który projekt pozwoli konstruować) możliwa będzie realizacja projektów badawczych pozwalających poszukiwać nowych rozwiązań związanych z chorobami naszej cywilizacji. Wykonane dzięki projektowi badania inżynierskie będą stanowić wsparcie dla badań klinicznych związanych z lepsza diagnostyką (monitorowaniem leczenia) chorób tkanki kostnej np. osteoporozy, osteoartrozy, oraz nowotworów tkanki kostnej. W przypadku pozytywnych wyników, które można w tej chwili z dużą pewnością przewidzieć, możliwe będzie unowocześnienie oprogramowania systemów tomograficznych.
Metody analizy i przetwarzania obrazów w zastosowaniu do wyznaczania kąta nachylenia mikrotubul
Projekt badawczy MNiSW nr: N51800531/0336, 2006-2007, 55.000 zł
Celem projektu jest opracowanie komputerowej metody analizy orientacji mikrotubul w oparciu o cyfrowe przetwarzanie obrazu. Analiza ta będzie obejmować:
Falki geometryczne i ich uogólnienia w kodowaniu i przetwarzaniu obrazów cyfrowych
Promotorski projekt badawczy MNiSW nr: 3 T11A 017 28, 2005, 22.490 zł W rozprawie zaproponowano uogólnienie falek geometrycznych „wedgelets” oraz „beamlets” do takich, które bazują na łukach drugiego stopnia. Udowodniono, że zastosowanie uogólnionych falek „wedgelets” poprawia skuteczność kodowania obrazów. Zostały również przedstawione eksperymenty, dające wyniki konkurencyjne w stosunku do innych metod w dziedzinach kodowania obrazów oraz przetwarzania obrazów zaszumionych. Dodatkowo wskazano nowe zastosowanie falek geometrycznych do ekstrakcji sygnałów o różnym znaczeniu dla Ludzkiego Systemu Postrzegania. Bazując na najnowszych osiągnięciach w dziedzinie neuropsychologii i psychologii widzenia zauważono, iż celowe jest zbudowanie ekstraktora cech, który działałby w sposób geometryczny i wielorozdzielczy. Zaproponowano oraz zdefiniowano, zatem operatory bazujące na teorii falek „beamlets” oraz „wedgelets”, które jak pokazano w pracy, skutecznie filtrują różne lokalnowymiarowe cechy zarówno z obrazów binarnych jak i w skali szarości.
Metoda rozpoznawania wybranej klasy obiektów transportowych z wykorzystaniem transformaty Hough’a
Promotorski projekt badawczy MNiSW nr: 3 T11C 070 28, 2005, 31.800 zł W pracy zaproponowano nową metodę porównywania i klasyfikowania obrazów. Zaprezentowana metoda wykorzystuje zbiór cech obrazu otrzymany za pomocą zmodyfikowanej transformacji Hougha oraz algorytmu parametryzowania konturu obrazu binarnego. Analizowymi cechami były odcinki położone na liniach prostych. Przedstawiono dwa podejścia do klasyfikowania obiektów znajdujących się na obrazach. W pierwszym z nich poszczególne cechy obrazu (odcinki) przyporządkowane były do odpowiednich segmentów. Drugie podejście poległo na bezpośrednim porównaniu parametrów odcinków, takich jak: długość, kąt nachylenia do osi X oraz położenie. W obu przypadkach o przynależności obiektu do danej klasy decydowała obliczona wartość współczynnika podobieństwa. W pracy zaprezentowano również nowy współczynnik podobieństwa i porównano go z innymi dotychczas stosowanymi współczynnikami. Podaczas badań wykorzystano przygotowane bazy danych obrazów przedstawiających pojazdy oraz rentgenogramy. Dodatkowo wykorzystano, dostępną w Internecie, bazę danych obrazów wzorów podpisów. Umożliwiło to wiarygodną weryfikację prezentowanej metody. Proponowana metoda została porównana z innymi znanymi z literatury metodami, takimi jak: pomiar własności geometrycznych obiektów znajdujacych się na obrazach oraz analiza współczynników Fouriera. Podczas porównania uwzględniono skuteczność klasyfikacji, czas przetwarzania oraz zajętość pamięci.
Metody klasyfikacji chorób na podstawie cech charakterystycznych chodu
Projekt badawczy promotorski KBN nr: 3 T11E 055 26, 2004-2005, 24.000 zł Celem projektu jest opracowanie metody klasyfikacji chorób neurologicznych na podstawie zaburzeń chodu oraz równowagi pacjenta. Drugim ważnym celem projektu jest zaimplementowanie oraz kliniczna weryfikacja wybranych metod klasyfikacji. Podczas badań miary diagnostyczne były definiowane na podstawie rekordu danych urządzenia PSW. Miary diagnostyczne wyznaczają zbiór danych wejściowych modułu podejmowania decyzji. Pakiet programowy oparty na sztucznej inteligencji stanowi moduł automatycznego podejmowania decyzji dotyczących chorób neurologicznych na podstawie wyznaczonych miar diagnostycznych. Badania są realizowane dla dwóch klas chorób neurologicznych: choroby Parkinsona oraz niedowładów po udarze mózgu. W chwili obecnej medycyna nie dysponuje obiektywną metodą klasyfikacji chorób, w szczególności choroby Parkinsona. Nie jest również możliwe diagnozowanie choroby Parkinsona we wczesnych stadiach. Diagnoza medyczna jest dokonywana nie wcześniej niż po zaobserwowaniu widocznych symptomów choroby, a to oznacza rzeczywiście zły stan zdrowia pacjenta. Taki stan uniemożliwia powrót zdrowia pacjenta do stanu normalnego.
Automatyczne programowanie
Projekt badawczy KBN nr: 7 T11C 021 21, 2001-2003, 150.000 zł Przedmiotem badań teoretycznych i eksperymentalnych projektu są metody automatycznego tworzenia programów komputerowych, lub w skrócie, metody automatycznego programowania. Metody te umożliwiają otrzymanie pożądanego programu bez żmudnego pisania takiego programu. Osiąga się to przez specyfikowanie celów, jakie powinien realizować program. Następnie na podstawie tej specyfikacji program jest konstruowany automatycznie. W projekcie rozważa się problemy aproksymacji, które polegają na wyborze optymalnej funkcji z pewnej klasy funkcji. Problemy aproksymacji spotyka się w analizie danych numerycznych, modelowaniu zjawisk fizycznych, analizie danych statystycznych itp. Celem projektu jest określenie użyteczności dwóch wybranych metod automatycznego programowania, tj. programowania genetycznego oraz mrowiskowego dla rozwiązywania problemów aproksymacji.
Dynamiczna weryfikacja baz wiedzy w procesie ich projektowania
Projekt badawczy KBN nr: 7 T11C 020 20, 2001-2002, 25.000 zł Techniki sztucznej inteligencji (AI) pozwalają na konstruowanie złożonych systemów oprogramowania, które umożliwiają rozwiązywania trudnych problemów świata rzeczywistego, dla których bardziej konwencjonalne techniki programowania nie są wystarczające. Jedną z bardziej udanych technologii AI są systemy oparte na bazach wiedzy, w których stosunkowo prosta maszyna wnioskująca korzysta z dużej specjalizowanej bazy wiedzy (KBS) dla wyszukiwania rozwiązań źle ustrukturowanych problemów. Przeszkodą w stosowaniu programów opartych na zasadach sztucznej inteligencji jest brak efektywnych metod zapewniania jakości i niezawodności systemów tego typu. To doprowadziło do dużego zainteresowania technikami weryfikacji i walidacji oprogramowania opartego na sztucznej inteligencji. Zainteresowanie to w znacznej części koncentruje się na systemach KBS. Bieżący projekt dotyczy teoretycznych i praktycznych zagadnień weryfikacji baz wiedzy. Głównym celem projektu jest opracowanie oryginalnej metody weryfikacji oraz implementacji oprogramowania weryfikującego. Proponujemy metodę dynamicznej weryfikacji opierającej się na koncepcji jednostki decyzyjnej. Celem systemu jest walidacja zbioru reguł zawartych w bazy wiedzy przy użyciu dynamicznej metody weryfikacji. Zakładamy, że system operuje na zbiorze reguł uprzednio zdefiniowanych przez eksperta. System został tak zaprojektowany, że użytkownik może zdecydować, jaki typ anomalii jest kontrolowany i korygowany.
|
|||||||||||||||||||||||||||||||||||||||||||||||||