FERIT PhD Spotlight je mjesečna rubrika posvećena isticanju mladih znanstvenika s FERIT-a i njihovih znanstvenih postignuća, pružajući uvid u njihove doktorske radove, istraživačke aktivnosti i doprinos razvoju znanosti. U nastavku možete pročitati kako je izgledao Joint PhD put dr. sc. Marina Benčevića, višeg asistenta na FERIT-u.

Segmentacija slike je proces kojim se digitalna slika dijeli na više segmenata ili slojeva u svrhu pojednostavljenja zadanog analiziranja. Cilj segmentacije je izdvojiti i grupirati dijelove slike koji imaju slična svojstva, kao što su boja, intenzitet ili tekstura, kako bi se identificirali i označili različiti objekti ili granice unutar slike. Segmentacija igra ključnu ulogu u raznim primjenama, uključujući medicinsku dijagnostiku, prepoznavanje objekata i ostalo.

Upravo iz ovog područja dr. sc. Marin Benčević, zaposlen na FERIT-u u sklopu IG03 - Istraživačka grupa za računarstvo i interakciju čovjeka i računala, uspješno je ove godine održao javnu obranu doktorskog rada pod nazivom „Podatkovno učinkoviti modeli dubokog učenja za segmentaciju biomedicinskih slika“. Kao doktorand s dvojnim doktoratom (Joint PhD), kroz istraživanje sudjelovao je u radu na FERIT-u uz mentorstvo prof. dr. sc. Irene Galić, redovite profesorice i sumentorice dr. sc. Marije Habijan, više asistentice, te u istraživačkoj grupi GAIM u sklopu Sveučilišta u Ghentu (Belgija) uz mentoricu prof. dr. ir. Aleksandru Pižuricu i sumentora dr. ir. Danila Babina.

Fokus njegovog rada i istraživanja je ponajprije razvijanje metoda segmentacije koje omogućavaju treniranje složenih modela dubokog učenja uz minimalnu količinu podataka u području medicine. U medicinskom kontekstu, segmentacija pomaže liječnicima da precizno odrede granice između različitih anatomskih struktura ili tkiva, što je ključno za dijagnozu, planiranje terapije i kirurške zahvate. To se može odnositi primjerice u slučaju operacije tumora na jetri gdje je potrebno točno utvrditi granicu tumora, a takva segmentacija slike može rezultirati sa 3D modelom tumora koji će se iskoristiti u daljnjem planiranju operacije i pomoću čega kirurg može točno vidjeti kako pristupiti istoj operaciji.

Segmentacija slike uvelike pomaže u ovom slučaju iz razloga što su takve slike vrlo kompleksne jer je relativno malen kontrast između tkiva jetre i okolnog vezivnog tkiva te ostaloga što se nalazi u abdomenu. Upravo zbog kompleksnosti slike koriste se modeli dubokog učenja u svrhu rješavanja navedenog. Što je model zahtjevniji, to je potrebno više podataka kako bi se taj model trenirao. Trenutno je problem u medicini što nema dovoljne količine potrebnih podataka kako bi proces segmentacije slike bio dovoljno kvalitetan i precizan za daljnu obradu. Takav proces podrazumijeva da je pacijent prije toga odradio magnetsku rezonancu ili drugu dijagnostičku metodu, a zatim je doktor konvecionalnim metodama označio granice na samoj slici. Navedeno iziskuje mnogo vremena i resursa. Potrebni nalazi i pretrage su zahtjevni, doktori nisu u mogućnosti precizno segmentirati sliku konvencionalnim metodama jer su ograničeni vremenom i drugim resursima, ali i i javlja se problem privatnosti pacijenata iz razloga što je ipak riječ o njihovim osobnim podacima pa to zahtijeva pravni proces sklapanja privole o korištenju istih podataka i slično. Upravo zbog toga ovaj rad se bazirao na podatkovnu učinkovitost, odnosno kako trenirati takve modele uz što manje podataka.

Razlog koji je Marina inspirirao da se bavi ovom tematikom je to što se na početku svoje znanstveno-istraživačke karijere počeo baviti problemima segmentacije epikardijalne masti, specifičnog masnog tkiva oko srca, i tu je postojao samo jedan dostupan javni dokument koji sadrži podatke o svega 20 pacijenata. To je vrlo malena količina podataka i nužno je bilo osmisliti načine da se izradi podatkovna učinkovitost te je zaključio da je to općenito korisna stvar za primjenu na razne druge probleme u medicini, od dijagnostičkih metoda, do segmentacije madeža na koži, segmentacija stanica i ostalog.

Tijekom rada Marin je proveo 6 mjeseci radeći u sklopu istraživačke grupe GAIM (Group for Artificial Intelligence and Sparse Modelling) iz čega su proizašla potencijalna partnerstva i na ostalim znanstveno-istraživačkim projektima. Osim toga, ostvarena je i suradnja s KBC-om Osijek. Ova suradnja se pokazala izuzetno kvalitetnom jer su stručnjaci iz KBC-a imali priliku upoznati se sa mogućnostima primjene umjetne inteligencije i računarstva u medicini, ali i dati potrebne inpute iz područja medicine za daljnji razvoj i istraživanje.

Cjelokupno istraživanje provodilo se u znanstvene svrhe, a metode koje su razvijene mogu se iskoristiti od strane privatnog sektora u svrhu proizvodnje uređaja i sustava koji će implementirati izrađene modele i koristiti ih, u ovom slučaju, za brojne medicinske namjene.

Značajnu ulogu u cjelokupnom procesu imala je Marinova mentorica prof. dr. sc. Irena Galić koja iza sebe već ima uspješna mentorstva u sklopu Joint PhD s doc. dr. sc. Hrvojem Leventićem, dr. sc. Marijom Habijan, koji su, uz Marina, bili nagrađeni kao najbolji studenti doktorskog studija. Mentorstvo je izuzetno zahtjevno i od presudne važnosti za cjelokupni uspjeh. Doktorand istražuje, a mentor je taj koji usmjerava pri definiranju teme, doprinosa i mora preuzeti odgovornost za koordinaciju u svim mogućim sferama samog postupka. Osim toga, ključna je i pravovremena organizacija, odnosno precizno tempiranje svih administrativnih koraka, od predaje rada do obrane, fakultetskih vijeća i određenih povjerenstava kako bi se osiguralo da cijeli proces teče nesmetano i u skladu s propisima. Posebice kada je riječ o Joint PhD, gdje je, u ovom slučaju, mentorica prof. dr. sc. Irena Galić imala obavezu, uz istraživački dio, riješavati i sve administrativno-pravne postupke koji moraju biti paralelno usklađeni s propisima institucija koje se nalaze u različitim državama. Također, ona je bila i spona između partnerskih organizacija koje su sudjelovale u određenim dijelovima istraživanja. Tako je, uz podršku izv. prof. dr. sc. Darija Muževića, uspostavljena navedena uspješna suradnja s KBC-om Osijek, koja danas predstavlja jedan od temelja za buduće zajedničke znanstveno-istraživačke projekte. Upravo je suradnja doktoranda Marina Benčevića i njegove mentorice prof. dr. sc. Irene Galić sjajan primjer u kojem su oboje ulagali svoje napore i resurse kako bi u konačnici Marin uspješno doktorirao i prije zadanog roka. Uspješnoj suradnju doprinijeli su svojim radom i sumentorica dr. sc. Marija Habijan (FERIT), te mentorica prof. dr. ir. Aleksandra Pižurica i sumentor dr. ir. Danilo Babin (istraživačka grupa GAIM u sklopu Sveučilišta u Ghentu, Belgija).

Marin savjetuje studentima da u svakom području istraživanja mogu pronaći sebi interesantan dio kojim će se baviti. Primjerice u medicini moguće je baviti se obradama medicinskih slika ili modelima dubokog učenja, statistikom, evaluacijom modela, kako psihološki i društveno ti modeli utječu na javnost i slično. Preporučuje im da se apliciraju na sve što im je danas dostupno, bilo da je riječ o objavi radova u stručnim časopisima i portalima, sudjelovanjem na ljetnim školama ili prijavi na određene stipendije.