Osiowe zapalenie stawów kręgosłupa (axSpA) jest stanem zapalnym reumatycznym, obejmującym przede wszystkim szkielet osiowy i stopniowo prowadzącym do unieruchomienia stawu krzyżowo-biodrowego, międzykręgowego i stawu międzywyrostkowego. Definicja aktywnego zapalenia kości krzyżowej w rezonansie magnetycznym to obrzęk szpiku kostnego widoczny na sekwencji T2-zależnej lub wzmocnienie sygnału w obrębie szpiku kostnego obecne na sekwencji T1-zależnej po podaniu środków kontrastowych. Ocena aktywnego zapalenia kości krzyżowej w RM nie jest łatwym zadaniem, szczególnie gdy zmiany są małe. Celem naszych badań jest stworzenie skutecznego narzędzia do automatycznego wykrywania zmian w postaci obrzęku szpiku kostnego u pacjentów z axSpA.

Niniejsze badania obejmują tematykę związaną z jakością obrazowań CT i MRI, będących obecnie podstawowymi metodami diagnostyki medycznej. W ramach tego projektu konstruowane są metody oceny jakości obrazów w postaci miar z lub bez referencji. Określana jest także miara informacji teksturalnej w odniesieniu do parametrów akwizycji lub rekonstrukcji tychże badań. Realizowane są także wątki poboczne, związane z tą tematyką.

Współczesne urządzenia mobilne, takie jak smartfony czy tablety, wykorzystywane są obecnie do realizacji szerokiego wachlarza codziennych czynności. Wśród nich jest praca w aplikacjach biurowych, bankowość i zakupy on-line, rozrywka dostarczana z aplikacji multimedialnych. Większość tych zastosowań wymaga uwierzytelniania użytkownika i do tego najczęściej wykorzystuje się kombinację login/hasło lub technologię odcisku palca dostępną w nowszych urządzeniach. W ramach prowadzonych badań rozwijana jest technologia metody biometrycznej opartej o analizę gestów wykonywanych na ekranie urządzenia dotykowego. Analiza ta obejmuje metody inteligencji obliczeniowej, analizę kształtu oraz uczenie głębokie.

Prowadzone w ramach projektu badania naukowe skupiają się na inteligentnych systemach wspomagających człowieka, wykorzystujących obserwację optyczną oraz metody analizy i rozpoznawania obrazów. Wśród poruszanych zagadnień znajduje się m.in.: bezkontaktowy pomiar parametrów psychofizjologicznych (videopletyzmografia) oraz monitorowanie aktywności i emocji. Potencjalnym zastosowaniem rezultatów badań mogą być m.in. systemy pozwalające na ocenę stanu zdrowia oraz stanu emocjonalnego człowieka i jego wpływu na wykonywane czynności, wykrywanie nagłych zmian stanu zdrowia lub udostępnienie osobom niepełnosprawnym możliwości wykorzystania urządzeń technicznych.

Celem projektu jest zaprojektowanie i ocena w warunkach klinicznych algorytmów automatycznej, wspomaganej komputerowo analizy danych obrazowych uzyskanych podczas badania jamy brzusznej za pomocą tomografii komputerowej (TK) w celu oceny składu ciała pacjenta. Ostatecznym efektem projektu będą algorytmy do automatycznej segmentacji tkanek znajdujących się w jamie brzusznej, takich jak podskórna, trzewna i ektopowa tkanka tłuszczowa (wewnątrzmięśniowa, narządowa) i tkanka mięśniowa z podziałem na grupy mięśni. Segmentacja pozwoli ocenić procentowy skład ciała pacjenta, który jest parametrem diagnostycznym w ocenie ryzyka wielu chorób.

W ramach projektu opracowywane jest urządzenie umożliwiające kontrolę planów leczenia radioterapeutycznego przed rozpoczęciem naświetlania pacjenta. Dzięki temu minimalizowana będzie dawka promieniowania dostająca się do narządów krytycznych.

Wydawanie poleceń aplikacji komputerowej do niedawna odbywało się głównie przy pomocy klawiatury i myszy. Rozwój techniki komunikacji człowiek-komputer obecnie obejmuje już komendy głosowe, sterowanie wzrokiem, czy gesty wykonywane dłońmi. Te ostatnie techniki rozwijane są przy pomocy specjalistycznych kamer, czy rękawic. W ramach prowadzonych badań analizowane są gesty dłoni w celu zarówno rozpoznawania tych gestów, jak i identyfikacji osób je wykonujących.

Technologia LIBS - Laser-induced Breakdown Spectroscopy, czyli laserowo indukowana spektroskopia emisyjna służy do przygotowania widm pierwiastkowych. Porównując uzyskane widma do wcześniej przygotowanych baz widm można rozpoznawać zarówno skład chemiczny badanych materiałów, jak i przynależność do zdefiniowanych grup materiałów. I tak, na przykład, metodami inteligencji obliczeniowej mozna dopasować wzorce chemiczne próbek będących śladem atramentu na papierze.