Sveikiname naująjį gamtos mokslų srities informatikos mokslų krypties daktarą Aleksą Vaitulevičių sėkmingai apgynus disertaciją pavadinimu „Skaitmeninių signalų tyrimas ir modeliavimas audinio vėžinėms zonoms aptikti skirtinguose MRT modalumuose“ (angl. – Research and Modeling of Digital Signals for the Detection of Cancerous Areas of Tissue in Different MRI Modalities).
Dr. Aleksas Vaitulevičius ir disertacijos gynimo taryba
Alekso Vaitulevičiaus darbas galėtų sudominti dirbtinio intelekto ir duomenų mokslo tyrėjus, medicininių vaizdų analizės specialistus, radiologus bei kitus mokslininkus, besidominčius kompiuterinių metodų taikymu prostatos vėžio diagnostikoje.
Disertacijoje nagrinėjama sudėtinga šiuolaikinės medicininių vaizdų analizės problema – prostatos vėžio aptikimas ir segmentavimas daugiaparametrinio magnetinio rezonanso tomografijos (mpMRT) vaizduose. Prostatos vėžys yra vienas labiausiai paplitusių piktybinių navikų pasaulyje, o svarbus jo diagnostikos etapas yra mpMRT vaizdų vertinimas. Pastaraisiais metais prostatos vėžio aptikimui ir segmentavimui gerinti tiriami įvairūs giliojo mokymosi metodai, tačiau prostatos vėžio segmentavimas tebėra sudėtinga užduotis.
Darbe daugiausia dėmesio skiriama giluminio mokymosi metodams, ypač vienam pažangiausių medicininių vaizdų segmentavimo metodui – nnU-Net. Taip pat nagrinėjama, kaip pagerinti skirtingų prostatos zonų segmentavimą. Ankstesni tyrimai rodo, kad prostatos zonų informacijos įtraukimas į prostatos vėžio segmentavimo metodus pagerina segmentavimo ir aptikimo tikslumą.
Prostatos zonoms segmentuoti disertacijoje pasiūlytos dvi naujos segmentavimo sekos, kuriose naudojami nnU-Net metodu apmokyti gilieji neuroniniai tinklai. Atlikti eksperimentai parodė, kad tiksliausi rezultatai gaunami naudojant atskirus modelius tranzitorinei ir periferinei prostatos zonoms segmentuoti. Taip pat buvo tiriama, ar įprastą U-Net architektūrą pakeitus jos variantais, kuriuose taikomi dėmesio mechanizmai, galima pasiekti aukštesnį prostatos zonų segmentavimo tikslumą. Vis dėlto statistiškai reikšmingo skirtumo tarp nagrinėtų neuroninių tinklų architektūrų nustatyta nebuvo. Šiems prostatos zonų segmentavimo eksperimentams naudoti du viešai prieinami duomenų rinkiniai – „ProstateX“ ir „Decathlon Challenge“.
Dar viena svarbi disertacijos dalis – prostatos vėžio segmentavimo modelių ansambliai. Disertacijoje siūlomi keturi nauji prostatos vėžio segmentavimo modelių ansambliai, kuriuose naudojami nnU-Net metodu apmokyti gilieji neuroniniai tinklai. Visi šie ansambliai sukurti taip, kad naudotų prostatos zonų kaukes. Eksperimentai parodė, kad tiksliausi rezultatai gaunami derinant modelį, specializuotą segmentuoti vėžinius regionus periferinėje prostatos zonoje, su modeliu, segmentuojančiu prostatos vėžį visoje prostatos liaukoje ir naudojančiu prostatos zonų kaukes kaip atskirą įvesties kanalą.
Disertacijoje taip pat pasiūlyta modifikuota Dice įverčio koeficiento (DSC) metrika – tolerantiškas Dice įverčio koeficientas DSCτ. Ši metrika sukurta siekiant atsižvelgti į didelę tarpstebėtojinę variaciją, būdingą prostatos vėžio regionų segmentavimo anotacijų duomenims. Eksperimentinis DSC ir DSCτ palyginimas parodė, kad naujoji metrika nuosekliai įgyja didesnes reikšmes nei įprastas DSC, o tai rodo, kad ji leidžia atsižvelgti į toleruotinus segmentavimo ribų neatitikimus. Prostatos vėžio segmentavimo eksperimentams naudotą duomenų rinkinį pateikė Nacionalinis vėžio institutas; šis duomenų rinkinys nėra viešai prieinamas.
Darbas rengtas 2021–2025 metais Vilniaus universiteto Matematikos ir informatikos fakultete.
Mokslinis vadovas – prof. dr. Povilas Treigys.
Disertacijos gynimo taryba:
prof. dr. Remigijus Paulavičius – tarybos pirmininkas (VU),
doc. dr. Viktor Medvedev (VU),
doc. dr. Pavel Stefanovič (VGTU),
doc. dr. Stepas Toliautas (VU),
dr. Paulina Trybek (Silezijos universitetas Katovicuose, Lenkija).
2026 09 21
