Témavezetés adatlap
Szalkó Anett
hallgató
témavezetés címe
Gépi tanulás és automatizált képfeldolgozás alkalmazása placenta perfúzió non-invazív MR vizsgálatának prediktív modellezésében
intézmény
doktori iskola
témavezető
társtémavezető
témavezetés módja
társ
fokozat típusa
PhD
témavezetés leírása
A lepény (placenta) kulcsszerepet játszik a magzat fejlődésében, és működésének zavara számos szülészeti szövődményhez vezethet (pl. lepényi elégtelenség, intrauterin retardáció, koraszülés). Az MR-alapú képalkotás — különösen a nem invazív perfúziós szekvenciák, mint az IVIM (Intravoxel Incoherent Motion) és az ASL (Arterial Spin Labelling) — lehetőséget nyújtanak a placenta működésének kvantitatív értékelésére sugárterhelés és kontrasztanyag nélkül. A kutatás célja egy olyan modell megalkotása, amely automatikusan feldolgozza a placenta MR képeket, kinyeri a kvantitatív perfúziós jellemzőket, integrálja a klinikai és demográfiai adatokat, valamint gépi tanulási modellekkel prediktálja a perinatális kockázatokat. A kutatás arra keresi a választ, hogy milyen pontossággal és hatékonysággal szegmentálható automatikusan a placenta a IVIM és ASL MR adatok alapján, milyen jellemzők mutatnak prediktív értéket a magzati és újszülöttkori kimenetek (pl. koraszülés, Apgar, NICU) előrejelzésében, hogyan integrálhatók a multimodális adatok (képalkotás, kérdőív, klinikai paraméterek) egy egységes gépi tanulási modellbe, valamint fejleszthető-e egy informatív, orvosilag hasznosítható döntéstámogató eszköz, amely segíti a várandósgondozást. A kutatás újszerűsége abban rejlik, hogy nem invazív módon, teljesen MR-alapú adatokból képes perinatális kockázatok előrejelzésére. Informatikai szempontból újdonság az automatizált kép-feldolgozási és adatintegrációs pipeline, amely más egészségügyi területeken is adaptálható lehet.
képzés kezdete
2025-09-01
abszolutórium megszerzésének várható ideje
2029-08-31
státusz
folyamatban lévő