Пошук академічних текстів

Інформація × Реєстраційний номер 0825U003243, Дисертація доктора філософії На здобуття Доктор філософії Дата захисту 12-09-2025 Статус Наказ про видачу диплома Назва роботи Метод і мультимодальні програмні засоби для покращеної діагностики метастазів меланоми. Здобувач Чжао Цайфен .., Керівник Дубовой Володимир Михайлович Опонент Поворознюк Анатолій Іванович Опонент Гнатушенко Володимир Володимирович Рецензент Павлов Сергій Володимирович Рецензент Гармаш Володимир Володимирович Опис У галузі цифрової патології, яка стрімко розвивається, автоматизований аналіз цільних слайдів гістопатологічних зображень (WSI) став наріжним каменем, що поєднує передові галузі, такі як комп’ютерне бачення, машинне навчання, глибоке навчання та клінічна інформатика. Дисертація присвячена розробці нового методу та обчислювального фреймворку, спрямованого на покращення діагностики меланоми - критичної області в онкології через високий метастатичний потенціал меланоми та значний глобальний тягар для здоров’я. Вступ підкреслює критичне значення цього дослідження в контексті стрімкого розширення цифрової патології та нагальної потреби в передових діагностичних інструментах для боротьби з меланомою. Основна мета полягає в розробці мультимодальної інформаційної технології, яка покращує діагностику метастазів меланоми за допомогою нових високопродуктивних, інтерпретованих обчислювальних фреймворків для ефективної попередньої обробки, багатомасштабного аналізу ознак, мультимодального об'єднання даних та прозорого прийняття рішень. Об’єкт дослідження - процес діагностики меланоми та прогнозування її метастатичного потенціалу з використанням обчислювальних методів, застосованих до WSI, геномних профілів та клінічних метаданих у рамках передових інформаційних систем. Предмет дослідження - передова обчислювальна система, що включає паралельну попередню обробку даних, багатомасштабні нейронні мережі, мультимодальне глибоке навчання та інтерпретовані ансамблеві класифікатори. Перший розділ окреслює трансформаційну траєкторію цифрової патології та її критичну роль у просуванні діагностики меланоми, з фокусом на виявленні метастатичного прогресування. Розділ роз’яснює виклики попереднього оброблення, зокрема обчислювальну складність WSI гігапіксельного масштабу та неефективність існуючих інструментів, як OpenSlide. Він підкреслює потенціал ШІ, зокрема згорткових нейронних мереж (CNNs), для уможливлення мультимодальних діагностичних фреймворків, які вирішують обмеження унімодальних підходів. Другий розділ встановлює теоретичний та методологічний фреймворк для покращення діагностики меланоми через передові обчислювальні парадигми. Він досліджує архітектури CPU та GPU, використовуючи OpenMP та CUDA для ефективної паралельної обробки, та пропонує паралельний конвеєр попереднього оброблення даних, що включає динамічне планування завдань та оптимізацію ресурсів. Нова багатовимірна нейронна мережа, що використовує розширені згортки та механізми злиття ознак, вводиться для врахування спектру морфологічних характеристик. Розділ розвиває мультимодальний підхід глибокого навчання, що інтегрує WSI, клінічні метадані та геномні дані через механізми уваги та видобуток біомаркерів. Додатково він представляє інтерпретувальний мультимодальний стекований ансамблевий фреймворк (IMSEF-Melanoma), який покращує діагностичну прозорість через градієнтну візуалізацію та мета-навчання. Третій розділ зосереджується на проектуванні та оптимізації алгоритмів і нейронних мереж для діагностики меланоми. Він вводить паралельний алгоритм попереднього оброблення даних з паралельною генерацією патчів та нормалізацією для підвищення обчислювальної ефективності. Техніки багатомасштабного вилучення ознак, що включають розширені згортки та механізми уваги каналів/простору, розроблені для оптимізації діагностичної точності. Стратегія злиття мультимодальних даних інтегрує WSI, прогнози глибини пухлини та клінічні метадані, з покращенням інтерпретованості через значення SHAP (SHapley Additive exPlanations) та Grad-CAM++ візуалізації. Четвертий розділ представляє практичну реалізацію та клінічну валідацію запропонованої інформаційної тенології, консолідуючи експериментальні результати для демонстрації її ефективності. Наукова новизна роботи полягає у новому паралельному фреймворку попереднього оброблення для WSI, що інтегрує паралельну обробку, прискорення GPU та адаптивну фільтрацію зображень; новій багатомасштабній нейронній мережі з розширеними згортками та механізмами уваги; методі мультимодального глибокого навчання для діагностики метастазів меланоми; інтерпретувальному мультимодальному стекованому ансамблевому класифікаторі IMSEF-Melanoma, що комбінує SHAP та Grad-CAM++ для надання прозорих, стадійно-адаптивних діагностичних інсайтів. Дата реєстрації 2025-07-31 Додано в НРАТ 2025-07-31 Закрити