Zespół Maszynowego Widzenia (MVG Group) działa w ramach Laboratorium Systemów Wizyjnych, Katedry Automatyki i Robotyki na Wydziale Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej (EAIiIB), Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie. Prowadzimy badania nad zastosowaniem metod wizji komputerowej oraz analizy danych i uczenia maszynowego do przetwarzania i analizy obrazów i sygnałów wielowymiarowych. Szczególny nacisk kładziemy na użycie głębokich sieci neuronowych (ang. deep neural networks), które pozwalają w sposób automatyczny wykrywać złożone zależności w dużych zbiorach danych, np. w celu dokonania klasyfikacji lub segmentacji obrazu.  Systemy takie znajdują zastosowanie w aplikacjach wymagających diagnostykę medyczną, w których ręczne konstruowanie cech służących do automatycznej segmentacji lub klasyfikacji obrazu jest zadaniem niezwykle złożonym ze względu na zbyt dużą różnorodność danych.

Prowadzone obecnie badania skupiają się w następujących obszarach:

– algorytmy wizyjne oparte na metodach uczenia maszynowego do wczesnej diagnostyki czerniaka skóry (zarówno na podstawie zdjęć dermatoskopowych, jak i histopatologicznych),

– detekcja anomalii w sygnałach z systemu sterującego synchrotronem w celu poprawy stabilności wiązki, we współpracy z Narodowym Centrum Promieniowania Synchrotronowego Solaris,

– detekcja semantyczna obiektów oraz analiza stabilności detekcji obiektów na podstawie danych z autonomicznych pojazdów,

– implementacja modelu opartego na sieciach DNN do analizy i klasyfikacji globalnych wzorców występujących w zmianach melanocytowych,

– interpretowalność architektur sieci w oparciu o najnowsze metody w dziedzinie widzenia komputerowego,

– rekonstrukcja brakujących obszarów obrazu z użyciem modeli generatywnych.

Badania prowadzone w powyższej tematyce w ramach grupy MVG spotkały się z uznaniem na arenie międzynarodowej i zaprezentowane zostały na prestiżowych konferencjach tematycznych m.in.:

CVPR (IEEE Conference on Computer Vision and Pattern Recognition) – #1 w dziedzinie uczenia maszynowego, Honorable Mention Award ISIC Workshop 2019

IEEE ICIP (IEEE International Conference on Image Processing)

– ISBI (IEEE International Symposium on Biomedical Imaging)

– EMBC (International Engineering in Medicine and Biology Conference)

– SPIE Medical Imaging

oraz opisane w wysokopunktowanych czasopismach z listy JCR, takich jak: Computerized Medical Imaging and Graphics, Sensors i Measurement. Szczegółowe informacje odnośnie prowadzonych badań dostępne są na naszej stronie internetowej.

Pracownicy zespołu prowadzą dydaktykę z przedmiotów: Programowanie strukturalne i obiektowe, Zaawansowane programowanie obiektowe, Programming Languages II, Uczenie maszynowe, Głębokie sieci neuronowe, Advanced methods in machine learning, Deep learning oraz Przetwarzanie i analiza obrazów medycznych.  

Strona www zespołu: http://home.agh.edu.pl/~mdig/dokuwiki/doku.php?id=research_group:start

PRACOWNICY ZESPOŁU

jaworek_korjakowska_joanna AGH

Joanna Jaworek-Korjakowska

dr hab. inż. ,prof. uczelni

Joanna Jaworek-Korjakowska jest absolwentką AGH, gdzie otrzymała kolejno dyplom magistra inżyniera informatyki i stopień doktora biocybernetyki i inżynierii biomedycznej, odpowiednio w 2010 i 2013 roku. W 2019 r. uzyskała stopień doktora habilitowanego nauk technicznych w dziedzinie inżynierii biomedycznej ze szczególnym uwzględnieniem zagadnień sztucznej inteligencji. Obecnie pracuje na stanowisku profesora uczelni w Katedrze Automatyki i Robotyki. Jest autorką i współautorką ponad 70 publikacji. Jest członkiem IEEE, Polskiego Stowarzyszenia Sztucznej Inteligencji oraz International Dermoscopy Society. Jest laureatką stypendium Top 500 Innovators sponsorowanego przez MNiSW na Uniwersytecie Stanforda oraz kilkukrotną stypendystką Małopolskiej Fundacji Stypendialnej „Sapere Auso”. J. Jaworek otrzymał stypendium MNiSW dla wybitnych młodych naukowców 2017-2020, nagrodę indywidualną Rektora AGH-UST za osiągnięcia naukowe w latach 2017-2019 oraz wyróżnienie podczas prestiżowej konferencji CVPR’19. Główne zainteresowania badawcze koncentrują się na przetwarzaniu i analizie obrazów, głębokich sieciach neuronowych oraz metodach uczenia maszynowego.

Paweł Kłeczek AGH

Paweł Kłeczek

mgr inż.

Moje zainteresowania naukowe obejmują cyfrowe przetwarzanie obrazów, uczenie maszynowe i analizę obrazów medycznych (głównie cyfrowych obrazów dermatopatologicznych).

DOKTORANCI
Andrzej Brodzicki AGH

Andrzej Brodzicki

mgr inż.

Zajmuję się metodami sztucznej inteligencji wykorzystywanymi do analizy obrazów medycznych (zdjęcia fluorescencyjne, dermoskopowe). W swojej pracy stosuję głównie głębokie sieci neuronowe i algorytmy przetwarzania obrazów.

kucharski_dariusz_team

Dariusz Kucharski

mgr inż.

Interesuje się metodami sztuczna inteligencja w szczególności zastosowaniem głębokich sieci neuronowe do projektowania i implementacji aplikacji medycznych. Swoje zainteresowania rozwijam także jako programista w grupie algorytmicznej Comarch Healthcare, której zadaniem jest tworzenie rozwiązań automatycznej analizy sygnałów biomedycznych wykorzystujących także metody uczenia głębokiego.

Piekarski Michał AGH

Michał Piekarski

mgr inż.

Interesuję się metodami sztucznej inteligencji wykorzystywanymi do analizy sygnałów diagnostycznych pod kątem wykrywania anomalii oraz pomiarów odstających. Szczególnym obszarem zainteresowania są dla mnie systemy sterowania ośrodków akceleratorowych (takich jak synchrotron SOLARIS w Krakowie). W swojej pracy wykorzystuję głównie głębokie sieci neuronowe.

PUBLIKACJE
  • Michał Piekarski, Joanna Jaworek-Korjakowska, Adriana I. Wawrzyniak, Marek Gorgon, Convolutional neural network architecture for beam instabilities identification in Synchrotron Radiation Systems as an anomaly detection problem, Measurement, 2020, https://doi.org/10.1016/j.measurement.2020.108116
  • Dariusz Kucharski, Pawel Kleczek, Joanna Jaworek-Korjakowska, Grzegorz Dyduch, Marek Gorgon. Semi-Supervised Nests of Melanocytes Segmentation Method Using Convolutional Autoencoders. Sensors, 2020, vol. 20, issue 6, 1546, doi: 10.3390/s20061546
  • Pawel Kleczek, Joanna Jaworek-Korjakowska, Marek Gorgon. A novel method for tissue segmentation in high-resolution H&E-stained histopathological whole-slide images. Computerized Medical Imaging and Graphics, 2020, vol. 79, 2022, Art. ID 101686, doi: 10.1016/j.compmedimag.2019.101686
  • Pawel Kleczek, Grzegorz Dyduch, Agnieszka Graczyk-Jarzynka, Joanna Jaworek-Korjakowska. A New Approach to Border Irregularity Assessment with Application in Skin Pathology. Applied Sciences (Basel), 2019, 9(10), 2022, doi: 10.3390/app9102022 (Abstract, HTML, PDF)
  • Joanna Jaworek-Korjakowska, Pawel Kleczek. eSkin: Study on the Smartphone Application for Early Detection of Malignant Melanoma. Wireless Communications and Mobile Computing, vol. 2018, Article ID 5767360, pp. 1–11, (2018). doi: 10.1155/2018/5767360.
  • Joanna Jaworek-Korjakowska, Pawel Kleczek. Region Adjacency Graph Approach for Acral Melanocytic Lesion Segmentation. Applied Sciences (Basel), 2018, 8(9), 1430, doi: 10.3390/app8091430 (Abstract, HTML, PDF)
  • Elżbieta Pociask, Krzysztof Piotr Malinowski, Magdalena Ślęzak, Joanna Jaworek-Korjakowska, Wojciech Wojakowski, Tomasz Roleder. Fully automated lumen segmentation method for intracoronary optical coherence tomography. Journal of Healthcare Engineering 2018, art. ID 1414076, pp. 1–13, doi: 10.1155/2018/1414076
  • Joanna Jaworek-Korjakowska. A deep learning approach to vascular structure segmentation in dermoscopy colour images. BioMed Research International 2018, art. ID 5049390, pp. 1–8, doi: 10.1155/2018/5049390
  • Megan Garland, Joanna Jaworek-Korjakowska, Urszula Libal, Matthew Bogyo, Marcin Sieńczyk. An automatic analysis system for high-throughput Clostridium Difficile toxin activity screening. Applied Sciences (Basel), 2018, 8(9), Art no. 1512, pp. 1–14, doi: 10.3390/app8091512
  • Joanna Jaworek-Korjakowska, Paweł Kłeczek. Automatic Classification of Specific Melanocytic Lesions Using Artificial Intelligence. BioMed Research International, 2016, Vol. 2016, Article ID 8934242, 17 pages. doi: http://dx.doi.org/10.1155/2016/8934242
  • Elżbieta Pociask, Joanna Jaworek-Korjakowska, Krzysztof Piotr Malinowski, Tomasz Roleder, Wojciech Wojakowski. Fully automated lipid pool detection using near infrared spectroscopy. Computational and Mathematical Methods in Medicine, 2016, art. ID 1487859, pp. 1–9, doi: 10.1155/2016/1487859
  • Joanna Jaworek-Korjakowska. Computer-aided diagnosis of micro-malignant melanoma lesions applying support vector machines. BioMed Research International, 2016, art. ID 4381972, pp. 1–8, doi: 10.1155/2016/4381972
  • Joanna Jaworek-Korjakowska. Novel method for border irregularity assessment in dermoscopic color images. Computational and Mathematical Methods in Medicine, 2015, art. ID 496202, pp. 1–11, doi: 10.1155/2015/496202
GRANTY

Granty zewnętrzne:

  • 2020-2022- “Early detection of skin cancer by using mobile devices at point of care”, FAST Healthcare NetworksPlus; Early Detection of Cancer call; Kierownik PL: Joanna Jaworek-Korjakowska
  • 2020-2022- “Zastosowanie metod sztucznej inteligencji do rozpoznawania i analizowania wzorców w celu odtwarzania ukrytych informacji w interdyscyplinarnych obszarach badawczych maszynowego widzenia”, projekt nr 4, Inicjatywa Doskonałości Uczelni Badawczej, Kierownik: Joanna Jaworek-Korjakowska
  • 2017–(trwa nadal) –  “Analiza morfometrii ludzkiego naskórka na zdjęciach histopatologicznych”, projekt nr 2016/23/N/ST7/01361, Narodowe Centrum Nauki (Preludium 12). Kierownik: Paweł Kłeczek
  • 2011–2015 –  “Wykorzystanie metod przetwarzania obrazów i sztucznej inteligencji (systemy ekspertowe) w rozpoznawaniu i diagnostyce różnicowej czerniaka złośliwego”, projekt nr 2011/01/N/ST7/06783, Narodowe Centrum Nauki (Preludium 1). Kierownik: Joanna Jaworek-Korjakowska

 

Granty dla młodych naukowców:

  • 2020 – “Wykorzystanie głębokich sieci neuronowych w wizji komputerowej”, grant dziekański EAIiIB AGH; kierownik: Andrzej Brodzicki
  • 2020 – “Wykorzystanie głębokich sieci neuronowych w detekcji anomalii w sygnałach diagnostycznych”, grant dziekański EAIiIB AGH, kierownik: Michał Piekarski
  • 2020 – “Wykorzystanie metod głębokich sieci neuronowych we wczesnej detekcja i analizie różnicowej czerniaka złośliwego ”; kierownik: Joanna Jaworek-Korjakowska
  • 2017 – “Analiza znamion skórnych na dłoni i podeszwach”, projekt nr 15.11.120.628, grant dziekański WEAIiIB AGH; kierownik: Paweł Kłeczek
  • 2016 – “Opracowanie metody segmentacji naskórka widocznego na zdjęciach histopatologicznych melanocytowych zmian skórnych”, projekt nr 15.11.120.873, grant dziekański EAIiIB AGH; główny wykonawca: Paweł Kłeczek
  • 2017 – “Automatic detecion of blue-whitish veil in dermatoscopic images”, projekt nr 11.11.120.612, badania statutowe WEAIiIB AGH; kierownik: Joanna Jaworek-Korjakowska wykonawca: Paweł Kłeczek
WSPÓŁPRACA

Współpracujemy z:

– Uniwersytet Stanforda (USA), Katedra Patologii, M. Bogyo Lab– pracujemy wspólnie nad projektami automatycznej analizy i detekcji zakażeń bakterią Clostridium difficile oraz klasteryzacją odpowiedzi bakterii,

– Uniwersytet Jagielloński, Collegium Medicum, Katedra Patomorfologii oraz Szpital Uniwersytecki w Krakowie – badania z dziedziny histopatologii,

– Narodowe Centrum Promieniowania Synchrotronowego SOLARIS (UJ) – badania z zakresu detekcji anomalii w wielowymiarowych sygnałach diagnostycznych.