DEDAD - Strukturne dekompozicije empirijskih podataka za računalno potpomognutu dijagnostiku bolesti

Datum početka projekta
01.03.2017.
Datum kraja projekta
27.02.2021.
Status
Aktivan
Kategorija projekta
Projekti Hrvatske zaklade za znanost
Ugovoreni iznos financiranja
594.400,00 HRK

Ciljevi projekta su razvoja algoritama za strukturne dekompozicije empirijskih podataka za računalno potpomognutu dijagnostiku bolesti koristeći:

  • sliku nebojenih i sliku preparat bojenih hameleon-eosinom (H&E) prikupljenih analizom tkiva na smrznutim rezovima, odnosno uzorcima humane jetre s metastazama tumora debelog crijeva.
  •  metaboličko profiliranje u studiji identifikacije biomarkera iz 1H NMR spektara uzoraka humanog urina pozitivnih i negativnih na dijabetes II.
  • sliku optičke koherentne tomografije retine (mrežnice).

Za ostvarenje prethodno navedenih ciljeva na projektu će se raditi na razvoju algoritama za

  • nenadzirano grupiranje podataka u (nisko dimenzionalnim) podprostorima sa naglaskom na strukturno ograničeno učenje reprezentacije empirijskih skupova podataka.
  • polu-nadzirane multiplikativne faktorizacije nenegativnih matrica u Hilbertovim prostorima induciranim višestrukim jezgrama.
  • fuziju RGB slike sa ciljem poboljšanja i standardizacije kvalitete.
  • aditivne strukturno ograničene faktorizacije nenegativnih matrica. 

Publikacije

  • D. Tolić, N. Antulov Fantulin, I. Kopriva, " Non-negative Subspace Clustering in Nonlinear Orthogonal Non-negative Matrix Factorization Framework," Pattern Recognition, vol. 82, October 2018, pp. 40-55, https://doi.org/10.1016/j.patcog.2018.04.029 (IF: 4.582) - Q1 (leading 11% in Computer Science, Artificial Intelligence). Matlab code: https://github.com/singularity4/NonlinearOrthogonalNMF
  • I. Kopriva, "Joint Nonnegative Matrix Factorization for Underdetermined Blind Source Separation in Nonlinear Mixtures,"14th International Conference on Latent Variable Analysis and Signal Separation(LVA ICA 2018), July 2-6, 2018, Guilford, UK., Springer International Publishing AG, part of Springer Nature 2018 Y. Deville. S. Gannot, R. Mason, M. D. Plumbly, D. Ward (Eds.): LVA/ICA 2018, LNCS 10891, pp. 107–115, 2018. https://doi.org/10.1007/978-3-319-93764-9_11
  • M. Brbić, I. Kopriva (2018), "Multi-view Low-rank Sparse Subspace Clustering," Pattern Recognition, vol. 73, January 2018, pp. 247-268, https://doi.org/10.1016/j.patcog.2017.08.024, (IF: 4.582) - Q1 (leading 11% in Computer Science, Artificial Intelligence). Matlab code: https://github.com/mbrbic/MultiViewLRSSC
  • I. Kopriva, W. Ju, B. Zhang, F. Shi, D. Xiang, K. Yu, X. Wang, U. Bagci and X. Chen (2017), "Single-channel Sparse Nonnegative Blind Source Separation Method for Automatic 3D Delineation of Lung Tumor in PET Images," IEEE Journal of Biomedical and Health Informatics, vol. 21, No. 6, pp. 1656-1666, https://doi.org/10.1109/JBHI.2016.2624798, (IF: 3.45) - Q1 (leading 13% in Computer Science, Information Systems; leading 25% in Computer Science, Interdisciplinary Applications; leading 15% in Medical Informatics)
  • I. Kopriva, M. Brbić, D. Tolić, N. Antulov-Fantulin, X. Chen, "Fast Clustering in Linear 1D Subspaces: Segmentation of Microscopic Image of Unstained Specimen," SPIE Medical Imaging Symposium 2017 - Digital Pathology Conference, vol. 10140, http://dx.doi.org/10.1117/12.2247806, editor Metin N. Gurcan, John E. Tomaszewski, Orlando, US, February 11 - 16, 2017.
Glavni istraživač / voditelj
Ivica Kopriva

Ivica Kopriva, dr. sc.

znanstveni savjetnik +385 1 457 1286

Ostali suradnici

Maria Brbić

Marijana Popović Hadžija

Mirko Hadžija

Gorana Aralica

Lidija Brkljačić

Ivanka Jerić

Marijana Vučić Lovrenčić

Anteja Krištić

Fei Shi

Xinjian Chen

Ova stranica koristi kolačiće

Neki od tih kolačića nužni su za ispravno funkcioniranje stranice, dok se drugi koriste za praćenje korištenja stranice radi poboljšanja korisničkog iskustva.

Za više informacija pogledajte naše uvjete korištenja.

  • Kolačići koji su nužni za ispravno funkcioniranje stranice. Moguće ih je onemogućiti u postavkama preglednika.