prof. Ing. Valentine Provazník, Ph.D.

2. kolo (podání přihlášek od 01.07.2019 do 31.07.2019)

1. Genetická variabilita kardiomyopatie a ischemické choroby srdeční

   Pacienti s kardiovaskulárními onemocněními, jako je kardiomyopatie a ischemická choroba srdeční, mají tendenci se objevovat v rámci rodin na podkladě existence monogenních nebo polygenních genetických architektur. Hlavním cílem projektu je hledání genetických variací u těchto onemocněních s cílem nalézt přičinné geny a podezřelé lokusy. Bude analyzována a modelována distribuce frekvencí alel vybraného souboru lokusů ve vzorku populace. Studie bude rozšířena o identifikaci lokusů, které implikují dráhy v morfogenezi cév a zánětů souvisejících s onemocněními. Bioinformatická analýza bude prováděna na datech z projektu 1000 Genomes a z projektu CARDIoGRAMplusC4D Consortium. Student získá příležitost k rozvoji a aplikaci metodologií výzkumu v oblasti statistické genetiky a bioinformatiky, rozvíjení dovedností v programování v balíčcích pro vyšší analýzu a k rozvíjení dovedností v oblasti použití vysoce výkonných počítačů. V rámci studia absolvují doktorandi půlroční stáže na atraktivních partnerských univerzitách v zahraničí. UBMI zajišťuje doktorandům stipendium a/nebo částečný úvazek nad rámec státního stipendia při zapojení do grantového projektu nebo zapojení do výuky.

   Školitel: Provazník Valentine, prof. Ing., Ph.D.

2. Metody hlubokého učení pro zpracování obrazových sekvencí

   Toto téma se zabývá využitím hlubokých umělých neuronových sítí v oblastech zpracování a analýzy videosekvencí. Primární zaměření bude detekce, segmentace a sledování osob ve videosekvencích se zaměřením na segmentaci obličeje. Aplikačně se bude jednat o oblast biometrie (např. rozpoznávání osob, pohlaví a věku osoby) a biomedicíny (např. detekce tepové frekvence či dýchání, detekce výrazu tváře). Během řešení se předpokládá hlubší studium pokročilých metod strojového učení především v oblasti konvolučních neuronových sítí, možnosti využití již naučených sítí na jiné aplikace, využití metod tzv. progresivního učení pro řešení nových a komplexních problémů, či studium a modifikace rekurentních neuronových sítí pro segmentaci a sledování objektů v obrazových datech. V rámci studia absolvují doktorandi půlroční stáže na atraktivních partnerských univerzitách v zahraničí. UBMI zajišťuje doktorandům stipendium a/nebo částečný úvazek nad rámec státního stipendia při zapojení do grantového projektu nebo zapojení do výuky.

   Školitel: Kolář Radim, doc. Ing., Ph.D.

3. Nové algoritmy a datové struktury podporující nakládání s multidimenzionálními daty reprezentující vzájemně vázaná MR spektra

   Disertační práce bude vycházet ze současné techniky analýzy spektroskopických signálů, tak jak je implementovaná v programu jMRUI, licencovaného 3000 týmy a prakticky užívaného mnoha světovými pracovišti ke kvantifikaci koncentrací metabolitů z in vivo MR spekter. Slabinou současného řešení je nakládání se signály jako s jednorozměrným polem signálů shodného typu. Toto řešení nepostačuje pro nakládání s vícerozměrnými MR spektroskopickými signály, podvzorkovaným spektroskopickým zobrazováním, sériemi difúzně váhovaných spektroskopických signálů atd. Tato data nejsou v současné podobě ani přiměřeně zobrazitelná. Navrhovaný projekt směřuje v první řadě k vytvoření nové informační infrastruktury, která tyto (a možné další) techniky bude schopna podchytit a předávat speciálním algoritmům ke zpracování. Osvědčené, často matematicky sofistikované algoritmy bude nutné zrevidovat a převést do nového prostředí. Pro multidimenzionální data bude nutné navrhnout jak grafické uživatelské, tak i programové rozhraní, které umožní vizuální inspekci procesu analýzy dat, která je neocenitelná pro vývoj metod i verifikaci konkrétních analýz, i samostatně analyzovat vhodné restrikce kompletních dat, a to ideálně v paralelním výpočetním prostředí. Vytvoření prototypů takových funkcí bude součástí projektu. Vedlejšími nutnými podmínkami k dosažení cílů bude realizace modulů pro načítání dat konkrétních výrobců MR zařízení. Tato práce je součástí projektu Marie-Curie ITN INSPiRE-MED a bude probíhat v interakci s dalšími partnery projektu. Student se bude účastnit školení a kontrolních schůzí v rámci tohoto projektu, absolvuje 3měsíční stáž na University of Bern a u firmy MRC, práce bude probíhat v interakci s lokálním spolupracovníkem ESR5 pracujícím na projektu, vystupujícím v roli klienta. Po dobu 36 měsíců bude student zaměstnán v ÚPT AV ČR, v. v. i., kde bude financován dle pravidel EU. Student musí mít přiměřené znalosti v oboru teorie signálů, matematických výpočtů a objektového programování a zkušenosti s programováním (Python a Java, resp. C++, Matlab). Koordinací ze strany projektu je pověřena Ing. Jana Starčuková, Dr.

   Školitel: Jiřík Radovan, doc. Ing., Ph.D.

4. Nové metody racionálního návrhu léčiv pro nalezení nových inhibitorů HDAC jako protinádorové látky

   Karcinogenezi nelze vysvětlit pouze genetickými změnami, ale zahrnuje také epigenetické procesy (metylace DNA, modifikace histonů a deregulace nekódující RNA). Modifikace histonů acetylací hraje klíčovou roli v epigenetické regulaci genové exprese a je řízena rovnováhou mezi histonovými deacetylázami (HDAC) a histonovými acetyltransferázami (HAT). Inhibitory HDAC indukují zastavení rakovinového buněčného cyklu, diferenciaci a buněčnou smrt, snižují angiogenezi a modulují imunitní reakci. Inhibitory HDAC se zdají být slibnými protinádorovými léky, zejména v kombinaci s jinými protirakovinnými léky a / nebo radioterapií. Cílem této studie je stanovení vztahů mezi strukturou a aktivitou pomocí virtuálního screeningu, dokování, modelování farmakoforů založených na energii, 3D QSAR modelování a jejich validace. Výsledek těchto studií by mohl být dále použit pro návrh nových inhibitorů HDAC pro protinádorovou aktivitu. V rámci studia absolvují doktorandi půlroční stáže na atraktivních partnerských univerzitách v zahraničí.

   Školitel: Provazník Valentine, prof. Ing., Ph.D.

5. Pokročilé algoritmy pro monitoring lidské aktivity mobilními senzory

   Téma dizertační práce je zaměřeno na sledování a hodnocení aktivity jedinců s využitím senzorů běžně dostupných v mobilních zařízeních (akcelerometr, GPS, mikrofon, senzor srdečního tepu) a lze jej rozdělit na dvě části. Cílem první části je analyzovat možnosti současných mobilních zařízení dostupných na spotřebitelském trhu, seznámit se s typy snímaných dat a posoaudit jejich potenciál. Cílem druhé části je návrh pokročilých algoritmů pro zpracování nasnímaných dat za účelem identifikace jednotlivých druhů vykonávaných aktivit (sezení, stání, chůze, běh, pád). Od uchazeče se očekává znalost programování v prostředí Matlab a přehled v oblasti zpracování a analýzy jednorozměrných digitálních signálů. V rámci studia absolvují doktorandi půlroční stáže na atraktivních partnerských univerzitách v zahraničí.

   Školitel: Vítek Martin, Ing., Ph.D.

6. Pokročilé metody odhadu kvality signálu EKG

   Téma dizertační práce je zaměřeno na kontinuální sledování kvality v dlouhodobých záznamech EKG. Cílem první části je vyhodnotit kvalitativní možnosti snímání signálu EKG z různých míst za pomocí mobilních záznamníků a možnosti využití souběžného snímání aktivity gyroskopem. Cílem druhé části je návrh pokročilých algoritmů pro spojitý odhad kvality záznamů EKG v reálném čase a následnou identifikaci úseků stejné kvality. Od uchazeče se očekává znalost programování v prostředí Matlab a přehled v oblasti zpracování a analýzy 1D signálů. V rámci studia absolvují doktorandi půlroční stáže na atraktivních partnerských univerzitách v zahraničí. UBMI zajišťuje doktorandům stipendium a/nebo částečný úvazek nad rámec státního stipendia při zapojení do grantového projektu nebo zapojení do výuky.

   Školitel: Smital Lukáš, Ing., Ph.D.

7. Pokročilé metody pro klasifikaci poruch srdečního rytmu

   Téma zahrnuje návrh a vývoj nových sofistikovaných metod pro parametrizaci a klasifikaci EKG záznamů za účelem včasné diagnostiky srdečních arytmií. Jedná se především o automatickou detekci arytmií, které jsou obtížně rozpoznatelné v EKG signálu, a které jsou často zaměňovány za jiné typy arytmií. Do této kategorie spadají např. fibrilace síní a flutter síní, které se mohou vyskytovat v paroxysmální (záchvatovité) formě, což téměř znemožňuje jejich spolehlivou detekci stávajícími metodami. Jako vhodné nástroje pro řešení daného tématu se nabízí metody vícerozměrné analýzy dat, analýza signálů v časově-frekvenční oblasti a nelineární metody, u nichž se očekává vysoká účinnost při detailní kvantifikaci širokého spektra specifických poruch elektrické aktivity srdce. Automatické rozpoznávání různých typů srdeční arytmií předpokládá využití pokročilých metod strojového učení, včetně nejmodernějších přístupů hlubokého učení, jež vykazují výborné výsledky v oblasti klasifikace obrazových dat. Při vývoji a testování algoritmů budou používaná veřejně dostupná data a dále vlastní data získaná v rámci řešení výzkumných projektů. Práce bude navazovat na výzkum probíhající na UBMI. V rámci studia absolvují doktorandi půlroční stáže na atraktivních partnerských univerzitách v zahraničí. UBMI zajišťuje doktorandům stipendium a/nebo částečný úvazek nad rámec státního stipendia při zapojení do grantového projektu nebo zapojení do výuky.

   Školitel: Filipenská Marina, Ing., Ph.D.

8. Segmentace medicínských obrazů s využitím hlubokého učení

   Téma disertační práce je zaměřeno na využití metod strojového učení pro segmentaci a klasifikaci struktur v medicínských obrazech. Cílem disertační práce je nejprve vylepšení stávajících metod segmentace klasických 2D medicínských obrazů. Následně budou metody rozšířeny i pro segmentaci objemových dat, zejména pak dat z mikroCT systému. Součástí práce bude i využití hlubokého učení pro klasifikaci těchto dat. Pro řešení budou využité metody strojového učení, zejména pak neuronové sítě, které představují nové a perspektivní algoritmy pro zpracování obrazových dat. Cílem práce je rozšířit možnosti automatického zpracování a klasifikace velkých objemů dat jako jsou právě 3D obrazy z CT systémů. V rámci studia absolvují doktorandi půlroční stáže na atraktivních partnerských univerzitách v zahraničí.

   Školitel: Harabiš Vratislav, Ing., Ph.D.

1. kolo (podání přihlášek od 01.04.2019 do 15.05.2019)

1. Analýza pohybových stereotypů při sportovním výkonu

   Pohybová analýza má ve sportu své nezastupitelné místo. Podrobná analýza pohybových stereotypů vede ke zkvalitňování tréninkových plánů a zlepšování sportovních výsledků trénujících jedinců. Analýzu lze také využít pro diagnostické účely - sledování chybných pohybových vzorců po úrazech za účelem upřesnění postupů rehabilitačních procedur. Tato práce bude zaměřena na monitorování konkrétních pohybových stereotypů, výběru vhodných parametrů a následnou analýzu dat, která bude provedena za účelem popisu pohybových stereotypů při sportovním výkonu. Studie budou prováděny ve spolupráci s Centrem sportovních aktivit VUT. V rámci studia absolvují doktorandi půlroční stáže na atraktivních partnerských univerzitách v zahraničí. UBMI zajišťuje doktorandům stipendium a/nebo částečný úvazek nad rámec státního stipendia při zapojení do grantového projektu nebo zapojení do výuky.

   Školitel: Kolářová Jana, doc. Ing., Ph.D.

2. Efektivní simulace magnetickorezonanční excitace mozkových metabolitů na bázi kvantově mechanických výpočtů

   Disertační práce bude vycházet ze současné techniky výpočtu spektroskopických signálů, tak jak je implementovaná v programu NMRScopeB, jenž je samostatnou součástí softwaru jMRUI, užívaného mnoha světovými pracovišti ke kvantifikaci koncentrací metabolitů z in vivo MR spekter. Výpočet je založen na popisu spinových systémů metabolitů operátorem hustoty podléhajícím vývoji podle Schrödingerovy rovnice a Redfieldova modelu relaxace; separace MR signálů je řešena pro specifické sekvence stratifikací tříd stezek přenosu koherence v k-prostoru. Implementace umožňuje zadávat jakékoli pulsní sekvence a sledovat prostorové i jiné funkční závislosti. Cílem této práce bude navrhnout rozdělení simulačního výpočtu do paralelně vykonatelných výpočtů na multiprocesorovém CPU nebo GPU s využitím prostředků jazyka Python a prostředí CUDA. Součástí této přestavby bude i analýza slabých míst a revize teoretických základů simulace z pohledu numerické matematiky a schopnosti postihnout nevyhnutelné specifické odchylky každého experimentu. Výkonnější simulační technika pak bude využita při návrhu prototypů 3 aplikací: 1. Výpočet slovníku pro aplikaci principu fingerprintingu v MR spektroskopii (technika bude vyvíjena konsorciem projektu INSPiRE-MED). 2. Začlenění rychlé simulace do nástroje pro optimalizaci parametrů pulsní sekvence k dosažení specifické excitace (např. rozlišení konkrétních metabolitů, pro vícerozměrnou prostorovou selektivitu, pro kompenzace nehomogenity RF pole B1). 3. Začlenění do iterativního procesu optimalizace modelových parametrů pro kvantifikaci koncentrací metabolitů s případným podvzorkováním, resp. pro identifikaci parametrů spinového systému. Výsledky práce budou integrovány do nové verze programu jMRUI podporující spektroskopické techniky kvantifikace metabolitů vyznačující se vyšší robustností a schopností pracovat s podvzorkovanými daty. Práce bude probíhat v rámci projektu Marie-Curie ITN INSPiRE-MED, student se bude účastnit školení a kontrolních schůzí v rámci tohoto projektu, absolvuje 3měsíční stáž na University of Bern, stáž u firmy Bruker PCI a návštěvu na EPFL Lausanne. Po dobu 36 měsíců bude student zaměstnán na v ÚPT AV ČR, v. v. i., kde bude financován dle pravidel EU. Student musí mít přiměřené znalosti v oboru lineární algebry, teorie signálů a magnetické rezonance a zkušenosti s programováním (Python a Java, resp. C++, Matlab). Koordinací a odborným vedením je pověřen Ing. Zenon Starčuk jr., CSc.

   Školitel: Jiřík Radovan, doc. Ing., Ph.D.

3. Metody pro analýzu dlouhodobých klinických záznamů intrakraniálního EEG u epileptických pacientů

   Studijní téma zahrnuje návrh a vývoj nových metod pro stanovení vlastností EEG záznamů za účelem diagnostiky a léčby epileptických patologických stavů. Jedná se především o popis a přesnou lokalizaci epileptických zdrojů vhodných pro resektivní nebo stimulační léčbu. Součástí práce též bude stanovení oblastí a postupů vhodných pro predikci, rozpoznání a eliminaci nastupujících epileptických záchvatů. Zdrojem budou rozsáhlá klinická data z hlubokých mozkových struktur epileptických pacientů měřená s vysokou dynamikou a vzorkovací frekvencí. Jedná se o dlouhodobé záznamy zahrnující denní i spánkové fáze, epileptické záchvaty i výzkumné protokoly. Práce bude řešena ve spolupráci s Fakultní nemocnicí u sv. Anny v Brně.

   Školitel: Jurák Pavel, Ing., CSc.