Terveysteknologian tutkimusryhmälle kolmas sija kansainvälisessä koneoppimisen kilpailussa
Turun ammattikorkeakoulun terveysteknologian PRIVASA-projektin tutkimusryhmä on saavuttanut kolmannen sijan kansainvälisessä koneoppimisen Federated Tumor Segmentation (FeTS2022) -kilpailussa.
– FeTS2022-kilpailun ensimmäisen tehtäväosion tavoitteena oli kouluttaa yleistyskykyinen koneoppimismalli (federated learning), joka tunnistaa kasvainalueet aivojen MRI-kuvista.Viime vuoden kilpailussa (FeTS2021) onnistumisen jälkeen kehitimme jälleen uuden menetelmän hajautettujen mallien yhdistämiseen, sanoo Turun AMK:n tutkimusinsinööri Irfan Khan.
Ryhmä ehdotti uutta matemaattista ratkaisua aivokuvien segmentoinnissa käytettävän hajautetun koneoppimismallin yhdistelyyn. Menetelmä on skaalautuva, tehokas ja toimii luotettavasti myös epäyhtenäisillä eli heterogeenisilla aineistoilla.
Tutkimus liittyy Business Finlandin rahoittamaan PRIVASA-projektiin.
– Tavoitteenamme on kehittää hajautettu laskennallinen konsepti, jonka avulla yritykset voivat kehittää ohjelmistotuotteitaan terveydenhuollon tarpeisiin jakamatta potilastietoja. FeTS2021- ja FeTS2022-menetelmiemme suorituskyky osoittaa selvästi, että kehitetyt mallit ovat vakaita ja tehokkaita. Tämä on suuri saavutus, sanoo PRIVASAn projektijohtaja ja Turun AMK:n tekoälyn yliopettaja Mojtaba Jafaritadi.
Terveysteknologian tutkimusryhmän johtaja Elina Kontio kertoo, että tutkijat haluavat työskennellä kliinisen informatiikan akateemisissa projekteissa, joilla on suoraa potentiaalia translaatiolääketieteessä.
– PRIVASAsta on tulossa hajautetun koneoppimistutkimuksen huippukeskittymä, sanoo Turun AMK:n tekoälyasiantuntija Esa Alhoniemi.
Kilpailu järjestettiin kansainvälisen lääketieteellisen kuvantamisen (International Conference on Medical Image Computing and Computer Assisted Intervention - MICCAI) yhteydessä syyskuussa Singaporessa.
– Olemme omalla tutkimusellamme luoneet pohjaa muille. Jotkut kilpailevat algoritmit saivat inspiraationsa meidän viime vuonna ehdottamastamme algoritmista, sanoo Turun AMK:n Fellow-asiantuntija Suleiman A. Khan.
FeTS-kilpailuun osallistui yhteensä 84 joukkuetta eri puolilta maailmaa.
Tutustu tutkimusryhmään!
Lisätiedot artikkelista
