SZTE magazin

Díjazott innovatív ötletek a Szegedi Tudományegyetemen

A nyelvtanulók írásbeli szövegeinek elektronikus feldolgozására fejlesztett eljárás, a mesterséges intelligencia orvosi feladatokban betöltött szerepének kutatása és az epilepszia elektromos ingerlésen alapuló gyógyítása kapcsán fejlesztett megoldás is innovációs díjban részesült 2018-ban a Szegedi Tudományegyetemen. Az SZTE Innovációs Díjjal minden évben olyan tudományos munkákat ismernek el, amelyek szellemi alkotásnak minősülnek és üzleti szempontból is hasznosíthatóak lehetnek.

Cikk nyomtatásCikk nyomtatás
Link küldésLink küldés

A leginnovatívabb PhD munkát, a leginnovatívabb kutatómunkát a természettudományok és élettudományok területén, valamint a leginnovatívabb kutatómunkát a műszaki tudományok területén díjazta 2018-ban a Szegedi Tudományegyetem. A leginnovatívabb PhD munkát Grósz Tamás „Mesterséges mély neurális hálók tanítására alkalmas programcsomag kidolgozása” című munkája nyerte. A leginnovatívabb kutatómunka a természettudományok és élettudományok területén kategória nyertese Dr. Berényi Antal „Nem invazív, fókuszált elektromos ingerlés használata epilepsziás rohamok leállítására” című munkája, a leginnovatívabb kutatómunka a műszaki tudományok területén kategória nyertese Dr. Nolda Andreas „Innovatív eljárás idegennyelv-tanulók nyelvi adatainak annotációjára nyelvtanulói korpuszokban” témájú munkája lett.


szte_innovacis_dij_


Mesterséges intelligencia beszédfelismerésre, képfeldolgozásra és paralingvisztikai feladatokra


Mesterséges mély neuronhálók tanítására alkalmas programcsomag fejlesztésén dolgozik Grósz Tamás. Az SZTE szakértője PhD kutatásai során, 2012 óta folyamatosan fejleszt egy programcsomagot, amely képes mély hálókat tanítani a legújabb módszerekkel. A hatékonyság elérése érdekében a rendszer a videokártyát, a GPU-t használja a tanítás során szükséges számítások elvégzésére.


– 2006-os megjelenésük óta a mesterséges mély neuronhálók forradalmasították a mesterséges intelligenciát, és áttörő sikereket értek több területen is. Ezen új mély neuronhálók a korábban használtaktól egy fontos tulajdonságban térnek el, mégpedig struktúrájukban: több rejtett réteggel rendelkeznek, ezáltal úgymond mélyebbek, mint a hagyományos neuronhálók. Ezen mély struktúrák korábban nem terjedtek el, mivel új tanítási módszereket igényelnek, illetve rendkívül számításigényesek, azaz tanításuk sokáig tart – magyarázta Grósz Tamás, az SZTE TTIK Informatikai Intézet munkatársa.


– Az elmúlt pár évben a programcsomagom segítségével tanított mély neuronhálóinkat sikeresen alkalmaztuk beszédfelismerésre és képfeldolgozásra, illetve paralingvisztikai feladatok megoldására. A beszédfelismerés során a mesterséges intelligencia feladata, hogy az elhangzott beszédet írott szöveggé alakítsa. Kutatócsoportunk sikeresen fejlesztett mély neuronhálókat alkalmazó beszédfelismerőket magyar és angol nyelvre. Képfeldolgozáson belül elsősorban orvosi feladatokra koncentráltunk, amikor is a neuronháló az orvosok munkáját próbálja segíteni azáltal, hogy javaslatot ad a diagnózisra, vagy jobban megvizsgálandó részeket jelöl ki a képen. A rendszerek tanításához orvosi vizsgálatok során készített felvételeket használtunk, illetve a hozzájuk csatolt orvosi véleményt. A tématerületen belül elsősorban a szemészeti klinikával dolgozunk együtt. A harmadik témakör, a paralingvisztika egy viszonylag kevésbé ismert terület. Lényege, hogy beszéd alapján az elhangzott szövegen kívüli egyéb információkat nyerjük ki. 2015-ben megnyertünk egy nemzetközi versenyt, a feladatunk az volt, hogy beszéd alapján megbecsüljük a betegek Parkinson-kórjának súlyosságát. A versenyre készített rendszerünkben a mesterséges intelligenciát a programcsomagom segítségével tanítottuk. Ezen kívül sikeresen tanítottunk mély hálókat angolul beszélő személyek anyanyelvének meghatározására, illetve magyar nyelvű beszéd alapján enyhe kognitív zavar felismerésére is – tette hozzá a szakember.


Milyen nehézségeket rejt a német nyelv tanulása?


Innovatív eljárást fejleszt az idegennyelv-tanulók nyelvi adatainak annotációjára Dr. Nolda Andreas, a Bölcsészettudományi Kar Német Nyelvészeti Tanszék munkatársa. Az SZTE innovációs díjával kitüntetett eljárás célja a nyelvet tanulók írásbeli szövegeinek elektronikus feldolgozása nyelvtanulói korpuszok formájában, a tanulók írásbeli szövegalkotásában jelentkező szisztematikus nyelvi hibák vizsgálatának céljából.


– Egy szövegrészlet nyelvi hibaként való értelmezése feltételezi egy úgynevezett célhipotézis rekonstruálását. A Falko-nyelvtanulói korpuszok szabványához képest az eljárás újdonsága elméleti szinten abban áll, hogy az alternatívan interpretált célhipotézisek mellett kumulatívan interpretált célhipotézisek megadását is támogatja. Az eljárást alkalmazzuk az SZTE BTK Német Nyelvészeti Tanszékén a Dulko-projektben, magyar anyanyelvű nyelvtanulók német nyelvű szövegeinek annotációjánál, egy német-magyar nyelvtanulói korpusz (Dulko) létrehozásának céljával. A Dulko tanulói korpusz közvetlen alkalmazási lehetősége abban áll, hogy empirikusan elemezhetjük azokat a tipikus nehézségeket, melyek a német nyelv elsajátítása során a magyar anyanyelvű tanulóknál jelentkeznek. Az eredmények gyakorlati alkalmazási lehetősége a tananyagok kidolgozásban rejlik. 2018 őszére tervezzük a Dulko nyelvtanulói korpusz első változatának megjelentetését az ANNIS-platformon (http://corpus‑tools.org/annis), a Falko-nyelvtanulói korpuszok részeként – összegezte kutatását Dr. Nolda Andreas.

 

innovacios_dij_2018


Elektromos ingerlés epilepsziás rohamok leállítására


Az egyik legnagyobb társadalmi terhet jelentő neurológiai betegség az epilepszia, amely csak Magyarországon közel százezer embert érint, akik harmada nem tehető tartósan rohammentessé a rendelkezésre álló gyógyszerekkel. Amellett, hogy ezek a gyógyszerek gyakran hatástalanok, folyamatosan terhelik a szervezetet, mellékhatásaik állandóan jelen vannak, és így a rohammentes időszakokban is befolyásolják az idegrendszert. A gyógyszeres kezelés szinte egyetlen klinikai alternatívája az epilepsziás agyterület műtéti eltávolítása, amely végleges funkcióvesztéssel jár, és nem kivitelezhető, ha a terület sebészileg nem megközelíthető, vagy létfontosságú agyterület környékén van a góc. Dr. Berényi Antal egy olyan elektromos ingerlésen alapuló eszköz prototípusának megalkotásán dolgozik, amely az epilepsziás rohamokat képes felügyelet nélkül automatikusan detektálni, és azokat rögtön az indulásukkor leállítani.


Az epilepsziás rohamok célzott, minimálisan invazív leállítására a megoldást olyan elektromos ingerlési eljárások jelenthetik, amelyek a szívgyógyászatban használt pacemakerekhez hasonlóan folyamatosan felügyelik az agyi aktivitást, és roham esetén megfelelően időzített elektromos impulzusokkal leállítják azokat. Az elmúlt hét év során kidolgoztam a tudományos hátterét egy olyan elektromos ingerlési modellnek, amely képes emberben minimál-invazív módon a koponyacsonton kívülről érkező elektromos ingerek hatását egy előre meghatározott agyterületre, a gócpontra fókuszálni. Továbbá definiáltuk azt az időbeli ingerlési mintázatot, amely a leghatékonyabban képes a rohamok leállítására kísérleti állatokban – magyarázta Dr. Berényi Antal, az SZTE Általános Orvostudományi Kar Élettani Intézet kutatója. Hozzátette: a módszer prototípussá fejlesztésével egy olyan beültethető eszközt hoznak létre, amely azoknál a betegeknél, akik a gyógyszerre nem, vagy rosszul reagálnak, a rohamokat automatikusan felismeri, és várhatóan kevesebb, mint egy másodperc alatt le is állítja azokat. Ennek révén megakadályozhatók a rohamokból adódó esetleges fatális balesetek, egyúttal pedig jelentős mértékben javítható az érintett betegek életminősége, és jelentősen csökkenthetők az egészségügyi és társadalmi terhek. A fejlesztés világújdonságnak számító műszaki és neurobiológiai megoldásokat alkalmaz, mivel az eljárás a világon elsőként fog epilepsziás rohamokat időben, célzott elektromos ingerekkel leállítani.


SZTEinfo

Cikk nyomtatásCikk nyomtatás
Link küldésLink küldés

Letöltés

SZEM_borito_HUN_2018 SZEM_2018_cover_eng

SZEM_magyar_borito SZEM_angol_borito