Veterināro audzēju ķirurģisko robežu histoloģiskā atpazīšana un analīze,izmantojot mākslīgo intelektu un multimodālo attēlveidošanu

Projekta nosaukums: Veterināro audzēju ķirurģisko robežu histoloģiskā atpazīšana un analīze, izmantojot mākslīgo intelektu un multimodālo attēlveidošanu
Projekta numurs: lzp-2022/1-0274
Projekta īstenotājs: Latvijas Universitāte (LU)
Projekta sadarbības partneri: Elektronikas un datorzinātņu institūts (EDI)
Projekta vadītājs: Dr. phys. Mindaugas Tamosiunas
Projekta īstenošanas periods: 01.01.2023. – 31.12.2025.
Projekta kopējais finansējums: 300 000 EUR, tajā skaitā LU projekta daļai piešķirtais finansējums 195 622 EUR un EDI daļa 104 378 EUR
Plānotie projekta rezultāti:
· oriģināli zinātniskie raksti, kas iesniegti vai pieņemti publicēšanai Web of Science Core Collection vai SCOPUS datubāzēs iekļautajos žurnālos vai konferenču rakstu krājumos, kuru citēšanas indekss sasniedz vismaz 50 procentus no nozares vidējā citēšanas indeksa – 3 
· oriģināli zinātniskie raksti, kas iesniegti vai pieņemti publicēšanai Web of Science vai SCOPUS datubāzēs iekļautajos žurnālos vai konferenču rakstu krājumos -3
· zinātniskās datubāzes un datu kopas, kas izstrādātas projekta ietvaros-1
· funkcionālie modeļi – 1 
· jaunas nekomercializējamas ārstniecības un diagnostikas metodes-1
· iesniegts projekta pieteikums starptautiskā vai nacionālā pētniecības un attīstības projektu konkursā-2
· sekmīgi aizstāvēts maģistra darbs projekta tematikā-2
· noteiktā kārtībā sekmīgi aizstāvēts promocijas darbs projekta tematikā-1
Projekta kopsavilkums:
Projekts ieviesīs jaunas optiskās metodes veterinārajā onkoloģijā, būtiski vienkāršojot histoloģisko paraugu sagatavošanu un ļaujot veterinārārstiem saņemt histopatoloģijas (HP) rezultātus gandrīz reālā laikā. Pašlaik lai iegūtu skaidras ķirurģiskās robežas standarta HP analīze aizņem vairākas dienas, un tā var apsekot tikai ierobežotu laukumu. Jaunā metode ļaus veikt nemerķētu HP audzēju tipa analīzi un atpazīt skaidras ķirurģiskās robežas biežāk sastopamajos suņu un kaķu audzējos: mīksto audu sarkomās un tuklo šūnu audzējos. Mūsu piedāvātā inovācija attiecas uz autofluorescences un Ramana spektrālās joslas attēlveidošanu un optiskās koherences tomogrāfijas (OCT) ieviešanu audu histoloģiskā modeļa atpazīšanā, izmantojot ģenerējošos tīklus-pretiniekus (GAN). Iepriekš mēs parādījām, ka Raman-OCT multimodālā stratēģija ar mašīnmācīšanos pārspēja esošās klīniskās metodes, atšķirot ļaundabīgos un labdabīgos audus ar >90% jutību un specifiskumu. Svarīgs Ramana signāla pirmapstrādes posms ietver autofluorescences atdalīšanu. Projektā piedāvātā attēlveidošana bez attēlu manuālas marķēšanas kopā ar GAN uzlabos nekrāsotu audu automātisko histoloģisko analīzi ex vivo, ļaujot mikroskopiskā līmenī noteikt nepilnīgās histoloģiskās robežas. Komandas pieredze ļaus multimodālās analīzes un GAN algoritmus iestrādāt prototipā, kas būs pieejams Latvijas veterinārās onkoloģijas klīnikās.