⠀
Ведущий научный сотрудник Института интеллектуальных устройств (Институт ИУ) Александр Михайлович Синица получил финансовую поддержку Российского научного фонда на реализацию проекта «Бесконтактная система интеллектуальной гиперспектральной диагностики структурных и функциональных нарушений приповерхностных тканей».
⠀
🔗 Карточка проекта на сайте РНФ
⠀
Мы пообщались с Александром Михайловичем и собрали для вас самое интересное.
⠀⠀⠀⠀
💬 О фундаментальной науке и победе:
Фундаментальный научный интерес проекта заключается в переходе от сложной оптики и экспертной оценки к «умным» алгоритмам. Вместо того чтобы делать оптические приборы еще более дорогими и громоздкими, мы компенсируем несовершенство оптической схемы программной обработкой, в том числе интеллектуальной, обеспечивая доступность аппаратного обеспечения.
Мы планируем разработать новые математические модели и алгоритмы машинного обучения, которые позволят получать гиперспектральные данные о состоянии приповерхностных тканей, используя управляемую узкополосную подсветку и сравнительно недорогие камеры. Главный научный вызов – обеспечить метрологическую точность и компенсировать внешние помехи в реальных, неидеальных условиях. Это позволит переводить сырые оптические данные в понятные врачам физиологические показатели: оксигенацию, перфузию, водный баланс тканей.
Экспертный совет, по всей видимости, высоко оценил сочетание прорывной науки и четкого понимания реальных клинических задач. Проект бьет точно в цель: в хирургии, комбустиологии и медицине катастроф критически не хватает быстрых, бесконтактных и объективных методов оценки состояния тканей. Предложенное решение потенциально делает гиперспектральную диагностику мобильной и доступной.
📊 О результатах (спойлер: не только статьи):
Публикации в ведущих журналах — это важная часть работы, но проект нацелен на создание конкретных, осязаемых продуктов:
🔹 Аппаратный прототип: мобильный комплекс для бесконтактной гиперспектральной визуализации тканей.
🔹 Программное обеспечение: софт, который в реальном времени накладывает карты физиологических индексов на обычное клиническое изображение.
🔹 Алгоритмическая база: ИИ-модели для сегментации тканей по степени риска («конструктор зон»), готовые к интеграции в системы поддержки врачебных решений.
🧑🎓 Для студентов:
Мы приглашаем присоединиться к нашей научной деятельности в рамках учебных практик, курсовых и дипломных работ или внеурочной проектной деятельности. Этот и другие наши проекты — уникальная возможность поработать на стыке оптики, биомедицины и искусственного интеллекта. Вы получите бесценный опыт работы с реальными медицинскими данными, современным аппаратным обеспечением и передовыми алгоритмами машинного обучения. Мы ждем мотивированных студентов, готовых внести свой вклад в разработку технологий будущего, которые уже завтра будут спасать здоровье и жизни людей.