Prijeđite na glavni sadržaj

Rad Marie Brbić i Ivice Koprive među 1% najcitiranjih radova

18.10.2021.
Rad Marie Brbić i Ivice Koprive među 1% najcitiranjih radova

Ilustracija postupka grupiranja podataka generiranih iz više pogleda na primjeru segmentacije slike smrznutog preparata adenokarcinoma debelog crijeva u jetri.

Znanstveni rad Marie Brbić i Ivice Koprive "Multi-view Low-rank Sparse Subspace Clustering", objavljen u časopisu Pattern Recognition, je u bazi Web-of-Science kategoriziran kao highly cited paper. Rad se sa 106 citata nalazi se u vodećih 1% radova po citiranosti u kategoriji Engineering.

Znanstveni rad je bio rezultat istraživanja doktorandice Marie Brbić u okviru istraživačkog projekta Hrvatske zaklade za znanost voditelja dr.sc. Ivice Koprive, IP-2016-5235: Strukturne dekompozicije empirijskih podataka za računalno potpomognutu dijagnostiku bolesti.

Originalan znanstveni doprinos rada je u razvoju algoritama za grupiranje podatka generiranih iz više pogleda. Radi se o jednom od temeljnih problema u računalnim znanostima u kojem se na nenadzirani način podaci temeljem sličnih osobina grupiraju u skupine. Više pogleda predstavljaju podatke iz različitih perspektiva, a zadatak algoritama je da informacije iz više pogleda iskoriste u procesu učenja.

Razvoj ovakvih algoritama je važan zbog velikih količina podataka koji se zbog ubrzanog razvoja tehnologije generiraju u sve više različitih područja. Praktično važna primjena ovih algoritama je u suvremenoj medicini gdje se različitim postupcima prikupljaju vrlo heterogeni skupovi podataka. Jedan primjer odnosi se na međusobno registrirane slikovne podatke prikupljene PET, CT i MR kamerama.

Temeljem takvih podataka moguće je precizno lokalizirati tumorske lezije što je važno u praćenju učinaka terapije. Ovaj koncept je ilustriran na slici koja se odnosi na problem iz računalne patologije: segmentacija na razini slikovnog elementa slike smrznute sekcije adenokarcinoma debelog crijeva u jetri. Tri pogleda čine originala slika histopatološkog preparata, te njene dvije verzije dobivene normalizacijom boje u odnosu na dvije referentne slike.

Ilustracija postupka grupiranja podataka generiranih iz više pogleda na primjeru segmentacije slike smrznutog preparata adenokarcinoma debelog crijeva u jetri (D. Sitnik, et. al, Biomed. Sig. Proc. Cont.). Originalna slika i dvije slike normalizirane bojom u odnosu odabrane referentne slike predstavljaju podatke iz tri pogleda. Algoritam grupira slikovne elemente u skupine, od kojih je prikazane skupina koja predstavlja adenokarcinom. Dijagnoza dobivena usaglašavanjem patologa dana je za usporedbu.

Na teorijskoj razini doprinos rada je u formulaciji optimizacijskog problema za učenje reprezentacije zajedničke svim pogledima uz strukturna ograničenja niskog ranga i rijetkosti. Time se uči reprezentacija koja sadrži informacije o globalnom (nizak rang) i lokalnom (rijetkost) karakteru prikupljenih podataka.

Za matricu reprezentacije je ključno da dobro odražava odnose među podacima. Vrijednost koeficijenta koji mjeri sličnost među podacima koji pripadaju istoj skupini mora biti velika, a među podacima koji pripadaju različitim skupinama mala. Sam postupak grupiranja se svodi na grupiranje singularnih vektora Laplaceove matrice koja se izvodi iz matrice sličnosti.

Kontaktirajte nas

Više informacija

I

K

Ivica Kopriva

znanstveni savjetnik u trajnom izboru

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.

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