A projekt célja
A kutatás célja, hogy a kiber-medikai rendszerek (CMS) területén az alábbi, egymással szorosan összefüggő témákra koncentrálva új, iparilag hasznosítható megoldásokat adjon:
- élettani és biológiai folyamatok detekciójához, diagnosztikai döntéstámogatáshoz megfelelő kiber-medikai rendszerek fejlesztése révén;
- hibrid felhő megoldások orkesztrált AI és IoT / Edge platformokkal;
- AI modellek fejlesztésével a döntéstámogatáshoz / beavatkozáshoz / modellezéshez;
- szenzoros érzékelés integrálásával.
A projekt keretében öt különböző élettani, biológiai alkalmazási területen történik pilot alkalmazás-fejlesztés, melyek mindegyike jelentős hasznosítási potenciállal bír: népegészségügyi, élelmezésipari és nemzetgazdasági szempontból fontos érintettséggel rendelkezik. Az érintett területek a cukorbeteg döntéstámogatás, étkezési célú gombatermesztés automatizálása, tremor detektálás, mikrohemodinamikai képalkotó eljárás, fogszabályzó-használat monitorozása.
Részletek
Cukorbeteg döntéstámogatás
A cukorbetegséghez kapcsolódó döntéstámogatás egyik alapvető követelménye a minél pontosabb és sűrűbb adatszolgáltatás a páciensek részéről, melynek a státusznaplózás az egyik legcélravezetőbb módja. A naplózás azonban tudatos kooperációt igényel a beteg részéről és sok esetben nagymértékű adminisztrációs terheléssel jár. A projekt keretében automata naplózási funkciók kifejlesztését célozzuk meg, elsődlegesen az étkezés és folyadékbevitelre utaló magatartásformák felismerését célozva meg, viselhető eszközökből, szoftveres naplókból és egyéb készülékekből származó adatok alapján, mesterséges intelligencia és végül felhő platform segítségével.
Étkezési célú gombatermesztés automatizálása
A gombafogyasztás igazoltan kedvező élettani hatásainak köszönhetően a piaci kereslet markáns növekedést mutat világszerte. A növekvő igények hatékony kiszolgálása érdekében az iparág új megoldásokat keres a robotikai és AI eszközrendszerek területén. A magyarországi gombatermelő vállalatok jelentős szereplők a nemzetközi piacon. Ezt a vezető szerepet kívánják megtartani és tovább növelni részesedésüket a fejlesztések eredményeinek rendszerbe integrálásával. Legfontosabb feladat az ipari csarnokokban, magas-polcrendszereken folyó gomba szüretelésének és csomagolásának robotizálása, ami jelentős KFI kihívás erős alkalmazott kutatási aspektusokkal. A projekt keretében két célkitűzést definiálunk: A) A terméshozam optimalizálást szolgáló megbízható növekedési modellek kialakítása. B) Gépi látás megoldás kifejlesztése, amely egyaránt felhasználható a növekedési modellek validálása során és robotizált szüretelés megvalósításában. Fontos kritérium, hogy a megszülető módszereket kiszolgáló adatgyűjtő megoldások alkalmazhatóak legyenek a speciális ipari környezetben. Az AI-alapú robotirányítási rendszernek illeszkednie kell a hibrid számítási infrastruktúrához kihasználva a projekttel szinergikusan fejlődő Edge- és felhőszámítási lehetőségeket.
Tremor detektálás
A tremor kutatási alprojekt célja informatikai megoldás fejlesztése folyamatos, nagy időfelbontású, IMU alapú kézremegés detektálás és monitorozás neurodegeneratív betegségek követéséhez. A tremor jellemzői támpontot nyújtanak a betegségek differenciáldiagnósiához és a kezelés optimális beállításához. A jelenleg használatos klinikai vizsgálatok, mint az akcelerometria vagy az elektromiográfia, hosszú ideig tartanak és kórházakhoz vagy orvosi rendelőkhöz kötöttek. A készülékek helyhez kötöttek és szakképzett személyzetet igényelnek a mérések végrehajtásához és kiértékeléséhez. Az mérés ideje is fontos tényező, mert az ilyen eljárások többnyire igen hosszadalmasok. A remegés frekvenciájának és amplitúdójának megállapítása gyakran igen nehéz. Az emberi szem felbontóképessége túl alacsony a remegés jellemzőinek objektív számszerűsítésére. Munkánk során kialakítunk egy olyan viselhető érzékelőkből álló hardver és szoftver rendszert, mely folyamatosan figyeli és elemzi az alkar, felkar, kéz, illetve ujjak akaratlagos, illetve akaratlan mozgását. A kapott mérésekből adatbázist tervezünk építeni, valamint az adatok elemzéséhez megfelelő heurisztikus, illetve nem heurisztikus adatfeldolgozó algoritmusokat alakítunk ki felhő infrastruktúra használatával.
Hibrid felhők
A hibrid felhők számos előnnyel rendelkeznek, kombinálva a privát felhők testreszabhatóságát és transzparenciáját a publikus felhők nagyfokú elasztikusságával, rendelkezésre állással és költséghatékonyságával. A projektben alkalmazott kutatási célú hibrid felhő megközelítés részét képezi a hazai Mesterséges Intelligencia Stratégiának (2020-2030). A fenti 5 alkalmazott kutatási területhez a több virtuális gépből és/vagy (mikro)szolgáltatásból álló virtuális platform automatizált felépítését és összehangolt működtetését, azaz orkesztrációját dolgozzuk ki -- elősegítve így azok könnyebb menedzselhetőséget akár hibrid felhőkön is. A szükséges IoT, Big Data, Edge és gépi tanulás eszközök orkesztrációját szervesen támogatják az ún. referencia architektúrák, melyek nem csak az ajánlott jó gyakorlatokat és az összekapcsolt, egymással függőségi viszonyban lévő alkotóelemeket - szolgáltatásokat, virtuális gépeket, stb. - foglalják egységbe, hanem a skálázhatóság, a rendelkezésre állás, a menedzselhetőség és a biztonság különböző szempontjait is felölelik. Célunk, hogy a fenti 5 területhez orkesztrált platformszolgáltatást és referencia architektúrákat biztosítsunk hibrid felhő alapon.
Mikrohemodinamikai képalkotó eljárás
Az emberi mikrocirkulációs folyamatok tanulmányozásának és klinikai értékelésének kérdése nemcsak a fiziológusok és patofiziológusok, kutatók, hanem a klinikusok számára is fontos. Egyrészt a mikrohemodinamika paraméterei „ablakként” szolgálnak a szövetekben az alapvető fiziológiai folyamatok világában; míg másrészt mind az emberi egészség, mind az életminőség a mikrocirkulációs rendszer megfelelő működésétől függ. Ezért nem meglepő, hogy manapság a mikrocirkulációs véráram (MCB), amely elsőként vesz részt a különféle kóros folyamatokban, egyre nagyobb érdeklődést vált ki az orvostudomány különböző területein, kiemelten a diagnosztika és gyógyszerkutatás.
Az általunk vizsgált módszer, a Laser Speckle Contrast Imaging (LSCI) egy non-kontakt optikai képalkotó eljárás, amely számos esetben használt a felszíni MCB sebességének és eloszlásának mérésére, változásának nyomon követésére az agy felületén, a bőrfelszínen, laporoszkópos műtéteknél, vagy akár a retinán is. A módszer nagy látómezővel rendelkezik nagy térbeli felbontással párosítva, és nem igényel kontrasztanyagot, ami ideális választás az in-vivo, valós idejű áramlásmérésre. Az LSCI a koherens megvilágítás (lézer) dinamikus fényszórásán és annak optikai mérésén alapul. Ellentétben a pontszerű lézer doppler áramlásméréssel, nagyfelbontású áramlási képek készíthetőek a módszerrel. Azonban az eddig ismert megoldások közös hátránya az időbeli felbontás és az egy felvétellel elérhető áramlási dinamika erős korlátai.
A jelen kutatás célja, hogy mindkét korlátot jelentősen tágítsuk az optikai rendszer átalakításával, modulált pulzusos és kvázi-CW lézerek használatával és gépi tanulás alapú sample-in-the-loop optimalizálás segítségével. A hosszú távú kutatási cél a különböző mérési modalitások és eredmények AI alapú fúziója, szuperrezolúciója térben és időben, elősegítve a véráram sebességmérésének integrációját létező képalkotó eljárásokkal. A hasznosítási célunk point-of-care rendszer kiépítése, cukorbetegség, dohányzás, oxigénhiány és ellátottság vizsgálatára. Végső soron új publikálható, szabadalmaztatható, majd ipari megoldásokat kívánunk elérni.
Fogszabályzó-használat monitorozása
Szájmozgás és fogszabályzó használat detektálás és monitorozás beágyazott szenzorokkal. A szájmozgás, valamint a fiatalkorban hordott fogszabályzó használata fontos információkat ad a fogorvosok számára. A fogszabályzó hordása alatti rágás során megfigyelhető mozgásminták, valamint a fogszabályzó viseléséhez kapcsolódó adatok alapján a fogorvos hatékonyan tud az alkalmazott terápia egyes paraméterein változtatni. A rágás/szájmozgás során megjelenő mozgás minták sok esetben utalhatnak fájdalmas fogakra, illetve egyéb mozgáskoordinációs problémákra, melyek fiatalkori elhanyagolása sok esetben igen kellemetlen eredményekhez vezetnek hosszú távon. Munkánk során kialakítunk egy olyan viselhető érzékelőkből álló hardver és szoftver rendszert, mely folyamatosan figyeli és elemzi a felhelyezett fogszabályzó mozgási jellemzőit. A fogszabályzó használati/mozgás paramétereinek monitorozása nagy pontossággal, valamint korlátozott idő felbontással történne, IMU szenzorok segítségével. Ezen mérések egy lokális adatgyűjtőbe, vezeték nélküli kommunikációval továbbítódnak. A kialakításra került teljes szoftver és hardver rendszer hatékonyan használható a fogorvosi munkában, fogszabályzók használatának monitorozására, valamint alkalmazott terápiák hatásvizsgálatánál. A kapott mérésekből adatbázist tervezünk építeni, valamint az adatok elemzéséhez megfelelő heurisztikus, illetve nem heurisztikus adatfeldolgozó algoritmusokat alakítunk ki hosszabb távon felhő/Edge platform segítségével.