Zde prezentujeme některé z našich AI projektů v oblasti medicínského zobrazování a zpracování klinických dat.
Automatická Detekce Srdečních Fází v Echokardiografii
Vyvinuli jsme pokročilý systém pro automatickou detekci klíčových srdečních fází (ED - end-diastolic a ES - end-systolic snímky) v sekvencích echokardiografických záznamů srdce v různých kardiovaskulárních projekcích.
Projekt zahrnoval komplexní výzkum a návrh řešení založeného na metodách hlubokého učení s doh ledem (supervised deep learning). Finální řešení využívá pokročilé konvoluční neuronové sítě (CNN) a specifické zpracování obrazu.
Systém dokáže s vysokým stupněm přesnosti identifikovat klíčové snímky v klipech, což významně usnadňuje práci lékařům při diagnostice srdečních onemocnění a zvyšuje přesnost měření.
Virtuální Fantom Srdce pro Trénink Navigačních Algoritmů
Realizovali jsme výzkumný projekt zaměřený na vývoj virtuálního fantomu (digital phantom) lidského srdce, který slouží jako tréninkové prostředí pro algoritmy založené na reinforcement learning.
Cílem projektu bylo vytvořit realistické simulační prostředí, ve kterém lze trénovat RL agenty pro automatickou navigaci transezofágeální echokardiografické (TEE) sondy. Vytrénované algoritmy jsou schopny automaticky navigovat sondou k zachycení různých standardních kardiovaskulárních projekcí.
Tento přístup má potenciál významně usnadnit a standardizovat provedení TEE vyšetření, snížit závislost na zkušenostech operátora a zkrátit dobu vyšetření. Virtuální prostředí také umožňuje bezpečné testování a optimalizaci algoritmů bez rizika pro pacienty.
Foundation Model pro Analýzu Mozkových MRI
Podíleli jsme se na výzkumu a vývoji foundation modelu pro analýzu MRI snímků mozku, který dokáže řešit širokou škálu downstream úloh bez nutnosti rozsahlého přetrénování.
Model je schopen provádět regresní úlohy (např. odhad biologického věku mozku), detekci abnormalit (např. identifikace infarktů v mozkové tkáni) i segmentační úlohy (např. detekce a segmentace mozkových nádorů). Tato univerzalita činí z modelu mocný nástroj pro řadu klinických aplikací.
Výsledky naší práce byly publikovány v rámci FOMO25 challenge (fomo25.github.io/challenge) a v odborném článku na arXiv (arxiv.org/abs/2511.11311). Model představuje významný přínos do oblasti medicínského zobrazování a AI diagnostiky.
Automatický Sběr Anamnézy a Generování Lékařských Zpráv
Vyvinuli jsme prototyp aplikace pro automatický sběr anamnézy od pacientů před návštěvou lékaře využívající pokročilé large language models (LLM). Systém vede přirozený dialog s pacientem a získává relevantní informace o jeho zdravotním stavu.
Aplikace zahrnuje modul pro extrakci strukturovaných informací z provedeného dialogu a následně automaticky generuje lékařskou zprávu včetně návrhu diagnózy. Systém dokáže identifikovat klíčové symptomy, anamnestické údaje a rizikové faktory, které jsou důležité pro lékaře.
Toto řešení výrazně šetří čas lékařům při vstupní anamnéze, zlepšuje kvalitu a úplnost získaných dat a umožňuje lékařům věnovat více času samotnému vyšetření a diagnostice. Výsledky naší práce byly publikovány v odborném časopise MDPI Diagnostics (mdpi.com/2075-4418/16/1/145).