Moja działalność naukowa, z którą związane są proponowane przeze mnie tematy pracowni problemowych, koncentruje się na następujących zagadnieniach: systemy uczące się (ang. machine learning) oraz cyfrowe przetwarzanie i analiza sygnałów biomedycznych (EKG oraz innych).

Tematyka moich prac badawczych

Modelowanie zachowania wulkanu Etna na podstawie pomiarów pola magnetycznego. Badania były prowadzone we współpracy z wulkanologami z Narodowego Instytutu Geofizyki i Wulkanologii w Katanii, którzy dostarczyli i skomentowali dane ze stacji pomiarowych rozmieszczonych na wulkanie Etna. Opracowano rekurencyjny model LS-SVM prognozujący zmiany pola magnetycznego.

Klasyfikacja sekwencji aminokwasów. Do wykonania zadania wybrana została średniokwadratowa maszyna wektorów nośnych (LS-SVM). Dokonano wstępnej selekcji zmiennych (ang. feature selection) opisujących i ograniczono się do podzbioru wielkości najbardziej istotnych. Sekwencje zostały pierwotnie opisane za pomocą 8364 parametrów liczbowych. Selekcja istotnych zmiennych z wykorzystaniem ortogonalizacji Grama-Schmidta pozwoliła ograniczyć tę liczbę do kilkunastu.

Rozpoznawanie pacjentów z nadciśnieniem tętniczym zagrożonych komorowymi i nadkomorowymi zaburzeniami rytmu serca na podstawie parametrów określonych z zarejestrowanego wysokorozdzielczego uśrednionego sygnału EKG. W pracy wykorzystano klasyfikatory SVM, LS-SVM oraz opracowane przez zespół badawczy metody na nich bazujące.

Zastosowanie inteligentnych algorytmów obliczeniowych do badań materiałów półprzewodnikowych. Maszynę wektorów nośnych oraz maszynę wektorów istotnych zaimplementowano w systemie pomiarowym do badania centrów defektowych w półprzewodnikach wysokorezystywnych metodą niestacjonarnej spektroskopii fotoprądowej. Skuteczność działania tych algorytmów sprawdzono poprzez ich zastosowanie do badania centrów defektowych w niedomieszkowanym monokrysztale InP, którego własności półizolujące otrzymane zostały poprzez długotrwałą obróbkę termiczną w atmosferze par fosforu.

Pracę można podzielić na dwa etapy. Pierwszy etap to poznanie specyfiki zagadnienia. Czyli m.in. zapoznanie się z pakietem LS-SVM w zadaniach regresji, przyjrzenie się dostarczonemu sygnałowi. Drugi etap to implementacja wybranego algorytmu prognozującego zmiany pola magnetycznego wulkanu i weryfikacja wyników.

Zadanie można zrealizować stosując komputery PC oraz narzędzia pozwalające na efektywną implementację algorytmu i przeprowadzenie testów. Mogą to być np. kompilatory C/C++, biblioteka Boost, Matlab, biblioteka LS-SVM.

Stacje pomiarowe na Etnie.

Przykładowy zarejestrowany sygnał zmian pola magnetycznego.

Pracę można podzielić na dwa etapy. Pierwszy etap to poznanie specyfiki zagadnienia. Czyli m.in. zapoznanie się z pakietami do klasyfikacji danych, przyjrzenie się dostarczonym przez genetyków danym. Drugi etap to implementacja programu/ów do obróbki danych (m.in. realizującego zmianę formatu danych, redukcję liczby danych) tak aby można było dokonać klasyfikacji sekwencji aminokwasów oraz przeprowadzić testy.

Zadanie można zrealizować stosując komputery PC oraz narzędzia pozwalające na efektywną implementację algorytmu i przeprowadzenie testów. Mogą to być np. kompilatory C/C++, Perl, AWK, biblioteka Boost, Matlab, biblioteka LS-SVM.

RRRRPRRVSRRRRARRR YSSSQRVSSYRRTFGGG RTSAVPTLSTFRTTRVT FGSRGSGSSVTSRVYQV SQRSRGRASSHSSQTQG QRSRGRASSHSSQTQGG ASSVTVTRSYRSVGGSG QTQGGGSVTKKRKLEST VDAENRLQTMKEELDFQ

Przykładowe ciągi aminokwasów.

Pracę można podzielić na dwa etapy. Pierwszy etap to poznanie specyfiki zagadnienia. Czyli m.in. zapoznanie się z narzędziami, bibliotekami i algorytmami oraz przyjrzenie się dostarczonym przez okulistów danym. Drugi etap to stworzenie prototypu programu pozwalającego na zautomatyzowanie pracy lekarza okulisty analizującego obrazy dna oka poprzez wyodrębnienie określonych cech (np. parametrów siatki naczyń krwionośnych widocznych na zdjęciach).

Zadanie można zrealizować stosując komputery PC oraz narzędzia pozwalające na efektywną implementację zadania. Mogą to być kompilatory C/C++, java, matlab, biblioteki do przetwarzania obrazów.

Przykładowy obraz dna oka.