W ramach konkursu PRELUDIUM Narodowego Centrum Nauki w Krakowie dla młodych naukowców finansowanie uzyskał projekt Pani mgr inż. Żanety Świderskiej-Chadaj pt. „Rozwój metod deep learningu jako narzędzia wsparcia analizy mikroskopowych obrazów patomorfologicznych”. W  niniejszym  projekcie  badawczym planowane jest przeprowadzenie szeroko pojętych badań w  zakresie rozwoju  metod  deep  learningu  jako  narzędzia analizy  obrazów patomorfologicznych  w  przypadku ograniczonej liczby danych. Celem badawczym jest ocena użyteczności różnych metod trenowania sieci typu DL  w  celu  osiągnięcia  prawidłowej  klasyfikacji  danych  patomorfologicznych  oraz
rozwój  metod  uczenia klasyfikatora DL w przypadku ograniczonej liczby danych. Jest to istotne zagadnienie, ponieważ możliwości zebrania określonej liczby danych medycznych są ograniczone. W rezultacie powstaje pytanie o liczebność zbiorów danych niezbędnych do prawidłowego przeprowadzenia procesu trenowania tego typu sieci. W przypadku danych medycznych, pozyskanie dużej liczby danych jest zadaniem trudnym lub niemożliwym.

Badania mają na celu wykazać wpływ  liczebności danych w poszczególnych klasach na proces uczenia oraz odpowiedzieć na pytanie, czy liczba danych w poszczególnych klasach wpływa na prawidłową klasyfikację. Ponadto, planowane są badania związane ze sztucznym zwiększeniem liczby danych. Możliwość sztucznego zwiększenia liczebności zbiorów danych jest ważnym zagadnieniem dla wielu grup badawczych. Szczegółowa analiza różnorodnych preparatów patomorfologicznych pozwoli na opracowanie metod sztucznego zwiększenia liczby danych wykorzystując operacje takie jak rotacja, normalizacja kolorów czy modyfikacja kontrastu.

Opiekunem naukowym projektu jest prof. nzw. dr hab. inż. Tomasz Markiewicz.