Inteligentna identyfikacja zmian melanocytowych skóry z zastosowaniem algorytmów uczenia maszynowego

Nazwa: Inteligentna identyfikacja zmian melanocytowych skóry z zastosowaniem algorytmów uczenia maszynowego

Nr umowy:

Kwota dofinansowania: 104 460,00 zł

Źródło finansowania: Podkarpackie Centrum Innowacji

Okres realizacji: 2022.04.01-2022.09.30

Kierownik projektu: dr Wiesław Paja

Opis projektu: Proponowane rozwiązanie polega na bezinwazyjnej identyfikacji urządzeń elektrycznych w celu wskazania odbiorników energii, których praca w danej chwili jest zbędna. Efektywne funkcjonowanie systemu wymaga wyselekcjonowania parametrów identyfikujących urządzenia. Dane do identyfikacji zostaną zebrane w obiektach, o różnych warunkach zasilania, dla różnych trybów pracy urządzeń. Pomiary wysokoczęstotliwościowe, selekcja cech, teorie mocy oraz przekształcenia czasowo-częstotliwościowe umożliwią dobór optymalnych sygnatur opisujących urządzenia elektryczne. Na bazie dobranych sygnatur zostanie skonstruowany i przetestowany klasyfikator, którego silnik wnioskujący bazuje na metodach sztucznej inteligencji i realizuje identyfikację urządzeń. Tak opracowana technologia może poprawnie funkcjonować w środowisku domowym, instytucjonalnym i przemysłowym. Optymalizacja zużycia energii elektrycznej oraz zwiększenie żywotności urządzeń wygeneruje wymierne oszczędności ekonomiczne.

Skin cancer is the most common of all cancers. Melanoma accounts for only about 1% of skin cancers, but it accounts for the majority of skin cancer deaths. Detection of melanoma at an early stage is a priority in the fight to reduce mortality. Typically, the suspicion of amalignant lesion is based on clinical and dermatoscopic evaluation by a physician. The final diagnosis is made on the basis of histopathological examination of the excised lesion, which takes at least several days. In the era of telemedicine development, systems enabling a non-invasive support of disease diagnosis have a great future. The aim of the project is to develop such a method of computer aided diagnosis of melanocytic skin lesions thorough analysis of dermoscopic lesion images using machine learning methods. The information extracted from the image will form the basis for building classification learning models