Oldal címe
SikertörténetekInzulin szabályzó fejlesztése, Agyi tumor osztályozás
Címlapos tartalom
Dénes-Fazakas Lehel
Az Óbudai Egyetem Élettani Szabályozások Kutatóközpontjában dolgozom kutató mérnökként; itt mesterségesintelligencia-alapú modelleken dolgozom az orvostudomány szolgálatában.
Oktatási tevékenységem az egyetem Neumann János Informatika Kara (az Óbudai Egyetem része) mesterséges intelligencia szakirányához kapcsolódik: Bevezetés a gépi tanulásba, Mély neurális hálózatok és Bevezetés a gépi látásba című tantárgyakat tartok.
Ebben a projektben az inzulinpumpák szabályozásának elmélyítésén és az agyi tumorok automatikus osztályozásán dolgoztam. Első lépésként megerősítéses tanulási modelleket tanítottam, és különböző jutalmazási függvényeket vizsgáltam meg. A SACI 2023 konferencián megjelent publikációban bemutattuk, hogy a különböző reward‑funkciók hogyan befolyásolják a vércukorszint‑szabályozás stabilitását.
A hyperparaméterek szerepét a SMC 2023 konferencián vizsgáltuk; itt részletesen elemeztem a tanulási ráták és rétegméretek hatását. A CINTI 2023 konferencián bemutatott tanulmányunk egy egységes adatbázist hozott létre a diabétesz adatok tárolására. A projekt egyik legfontosabb tudományos eredménye a Knowledge‑Based Systems folyóiratban megjelent „Uninorm‑like parametric activation functions for human‑understandable neural models”: ebben új aktivációs függvényeket vezettünk be, amelyek révén a neurális hálók döntései jobban értelmezhetők. Ez a fejlesztés segítette a klinikusokkal való kommunikációt és az algoritmusok elfogadását.
A tumor‑osztályozási feladatoknál különböző CNN‑ és Vision Transformer hálózatokat alkalmaztam, hogy az MRI‑felvételeken megkülönböztessem a daganatfajtákat.
Az eredményekből több konferenciacikk született 2022–2023 között, köztük a spectralis felbontások hatását vizsgáló INES‑cikk és a multi‑spektrális MRI‑szegmentálást bemutató ICCC‑cikk. A projekt összesen négy publikációval zárult: a reward‑függvények és hiperparaméterek vizsgálatát tárgyaló két konferenciacikk, a közös adatbázist ismertető CINTI‑cikk, valamint az interpretálható aktivációs függvényeket bemutató Q1‑es folyóiratcikk.
