Sažetak projekta:

Interdisciplinarni znanstveni projekt MULTISAB, pod voditeljstvom doc. dr. sc. Alana Jovića, prihvaćen je na natječaju HRZZ-a za uspostavne istraživačke projekte od rujna 2014.

Projekt se bavi razvojem cjelovitog programskog sustava, koji uključuje opće i domenske značajke vremenskih nizova u analizi poremećaja, i primjenjuje ga u biomedicini.

Zadatak analize vremenskih nizova jest otkrivanje i klasifikacija značajnih obrazaca u podacima koji sadrže vremensku komponentu. Vremenska analiza se provodi u različitim područjima znanosti, kao što su primjerice ekonometrija, meteorologija i biomedicina.

Cilj projekta je razviti učinkovit i nadogradiv sustav za automatsku klasifikaciju poremećaja rada ljudskog organizma na temelju analize više heterogenih biomedicinskih signala (srčani ritam, EKG, EEG i dr.). Uz izradu klasifikacijskih modela, razvija se vizualizacija poremećaja uporabom računalne grafike. Sustav se implementira u programskom jeziku Java 8, koji omogućuje neovisnost od operacijskog sustava i visoku učinkovitost računanja. Radi povećanja brzine, koristi se paralelna obrada u višejezgrenom režimu rada.

Sustav objedinjava podsustave za:

1) odabir, prikaz i prilagođavanje zapisa jednog ili više ulaznih signala,

2) paralelnu obradu i izlučivanje više domenskih i općih značajki signala,

3) vizualizaciju signala i poremećaja korištenjem računalne grafike i

4) automatsku izgradnju i vrednovanje modela.

Za vrednovanje se koriste referentne internetske baze zapisa biomedicinskih signala s portala PhysioNet te anonimizirani zapisi iz lokalnih bolnica.

Jedan od značajnih doprinosa projekta je ekspertni podsustav za automatsko predlaganje skupa značajki koje se trebaju izlučivati, ovisno o karakteristikama analize. Opće značajke signala koje se implementiraju uključuju relevantne značajke nelinearne dinamike (fazni prostor, fraktanost, entropije i dr.) za karakterizaciju jednog ili više signala. Specijalizirane, domenske značajke implementiraju se za svaku vrstu biomedicinskog signala zasebno, pritom koristeći postojeće norme, smjernice i referentne znanstvene radove u biomedicinskom inženjerstvu i medicini, uz konzultaciju s medicinskim stručnjacima.

Pri izgradnji modela poremećaja provodi se smanjenje dimenzionalnosti prostora značajki uporabom različitih filterskih metoda. Model poremećaja gradi se na temelju algoritama strojnog učenja s jasnim opisom kao što su klasifikacijska pravila i na temelju algoritama za postizanje najveće točnosti kao što su ansambli stabala odluke.

U okviru ovog interdisciplinarnog projekta, predviđa se više doprinosa u područjima računarske znanosti, biomedicinskog inženjerstva i medicine.