Projekty finansowane przez NCN

Dane kierownika projektu i jednostki realizującej

Szczegółowe informacje o projekcie i konkursie

Słowa kluczowe

Aparatura

Wyczyść formularz

Rozwój metod deep learningu jako narzędzia wsparcia analizy mikroskopowych obrazów patomorfologicznych

2016/23/N/ST6/02076

Słowa kluczowe:

deep learning obrazy patomorfologiczne detekcja struktur

Deskryptory:

  • ST6_7: Sztuczna inteligencja, systemy inteligentne i wieloagentowe
  • ST6_8: Grafika komputerowa, przetwarzanie obrazów, wizualizacja komputerowa, multimedia, gry komputerowe
  • ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów

Panel:

ST6 - Informatyka i technologie informacyjne: technologie i systemy informacyjne, informatyka, obliczenia naukowe, systemy inteligentne

Jednostka realizująca:

Politechnika Warszawska, Wydział Elektryczny

woj. mazowieckie

Inne projekty tej jednostki 

Kierownik projektu (z jednostki realizującej):

dr Żaneta Świderska-Chadaj 

Liczba wykonawców projektu: 2

Konkurs: PRELUDIUM 12 - ogłoszony 2016-09-15

Przyznana kwota: 150 000 PLN

Rozpoczęcie projektu: 2017-08-09

Zakończenie projektu: 2021-06-08

Planowany czas trwania projektu: 46 miesięcy (z wniosku)

Status projektu: Projekt rozliczony

Opis Projektu

Pobierz opis projektu w formacie .pdf

Uwaga - opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.

Zakupiona aparatura

  1. Laptop- macbook pro 13.
  2. karta graficzna GPU Quadro M6000 (NVIDIA Quadro M6000 24GB GDDR5 (384 bit) 4x DisplayPort, DVI (VCQM6000-24GB-PB)). Za kwotę 23 300 PLN
  3. Dysk zewnętrzny ssd SAMSUNG T3 PORTABLE SSD (2 szt.). Za kwotę 6 700 PLN

Dane z raportu końcowego/rocznego

  • Publikacje w czasopismach (4)
  • Teksty w publikacjach pokonferencyjnych (4)
  1. Detection of Ki67 Hot-Spots of Invasive Breast Cancer Based on Convolutional Neural Networks Applied to Mutual Information of H&E and Ki67 Whole Slide Images
    Autorzy:
    Zaneta Swiderska-Chadaj , Jaime Gallego, Lucia Gonzalez-Lopez, Gloria Bueno
    Czasopismo:
    Applied Science (rok: 2020, tom: 10(21), strony: 7761), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/app10217761 - link do publikacji
  2. Deep learning for damaged tissue detection and segmentation in Ki-67 brain tumor specimens based on the U-net model
    Autorzy:
    Z. Swiderska-Chadaj, T. Markiewicz, J. Gallego, G. Bueno, B. Grala, M. Lorent
    Czasopismo:
    BULLETIN OF THE POLISH ACADEMY OF SCIENCES TECHNICAL SCIENCES (rok: 2018, tom: Vol.66, No.6, strony: 849-856), Wydawca: Engineering Sciences of the Polish Academy of Sciences
    Status:
    Opublikowana
    Doi:
    10.24425/bpas.2018.125932 - link do publikacji
  3. A U-Net based framework to quantify glomerulosclerosis in digitized PAS and H&E stained human tissues
    Autorzy:
    Jaime Gallego, Zaneta Swiderska-Chadaj, Tomasz Markiewicz, Michifumi Yamashita, M. Alejandra Gabaldon, Arkadiusz Gertych
    Czasopismo:
    Computerized Medical Imaging and Graphics (rok: 2021, tom: 89, strony: 101865), Wydawca: elsevier
    Status:
    Opublikowana
    Doi:
    10.1016/j.compmedimag.2021.101865 - link do publikacji
  4. Convolutional neural networks can accurately distinguish four histologic growth patterns of lung adenocarcinoma in digital slides
    Autorzy:
    Arkadiusz Gertych, Zaneta Swiderska-Chadaj, Zhaoxuan Ma, Nathan Ing, Tomasz Markiewicz, Szczepan Cierniak, Hootan Salemi, Samuel Guzman, Ann E. Walts, and Beatrice S. Knudsen
    Czasopismo:
    Scientific Reports (rok: 2019, tom: 9, strony: 45303), Wydawca: Nature
    Status:
    Opublikowana
    Doi:
    10.1038/s41598-018-37638-9 - link do publikacji
  1. A deep learning approach to assess the predominant tumorgrowth pattern in whole-slide images of lung adenocarcinoma
    Autorzy:
    Zaneta Swiderska-Chadaj, Karolina Nurzynska, Bartlomiej Grala, Katrien Grunberg,Lieke van der Woude, Monika Looijen-Salamon, Ann E. Walts, Tomasz Markiewicz,d,Francesco Ciompi, and Arkadiusz Gertych
    Konferencja:
    SPIE MEDICAL IMAGING (rok: 2020, ), Wydawca: SPIE
    Data:
    konferencja 15-20.02.2020
    Status:
    Opublikowana
  2. Contextual prediction of tumor growth patterns in digital histology slides
    Autorzy:
    Zaneta Swiderska-Chadaj, Zhaoxuan Ma, Nathan Ing, Tomasz Markiewicz, Malgorzata Lorent, Szczepan Cierniak, Ann E. Walts, Beatrice S. Knudsen, Arkadiusz Gertych
    Konferencja:
    International Conference Information Technology in Biomedicine - ITIB (rok: 2019, ), Wydawca: Springer
    Data:
    konferencja 17-19.06.2019
    Status:
    Opublikowana
  3. Semantic Segmentation of Colon Glands in Inflammatory Bowel Disease Biopsies
    Autorzy:
    Zhaoxuan Ma, Zaneta Swiderska-Chadaj, Nathan Ing, Hootan Salemi, Dermot McGovern, Beatrice Knudsen, Arkadiusz Gertych
    Konferencja:
    International Conference Information Technology in Biomedicine - ITIB (rok: 2018, ), Wydawca: Springer
    Data:
    konferencja 18-20.06.2018
    Status:
    Opublikowana
  4. Multi-Patch Blending improves lung cancer growth pattern segmentation in whole-slide images
    Autorzy:
    Zaneta Swiderska-Chadaj, Emiel Stoelinga, Arkadiusz Gertych and Francesco Ciompi
    Konferencja:
    IEEE International Conference on Computational Problems of Electrical Engineering 2020 (rok: 2020, ), Wydawca: IEEE
    Data:
    konferencja 16-19th, September 2020
    Status:
    Opublikowana

O Narodowym Centrum Nauki

Finansowanie nauki

Współpraca zagraniczna

Centrum prasowe

Deklaracja dostępności
Przetwarzanie danych osobowych
Polityka cookies

Partnerzy