Η έρευνα ΤΝ επιλέχθηκε για προφορική παρουσίαση στο κορυφαίο συνέδριο βιοϊατρικής απεικόνισης IEEE

Το Πανεπιστήμιο Λεμεσού είναι υπερήφανο που ανακοινώνει την έρευνα στην οποία συνέβαλε ο Δρ Στάθης Χατζηδημητρίου και έχει επιλεγεί για προφορική παρουσίαση στο IEEE International Symposium on Biomedical Imaging (ISBI) 2026, ένα από τα σημαντικότερα διεθνή συνέδρια για τη βιοϊατρική απεικόνιση και την τεχνητή νοημοσύνη στην ιατρική.

Το συμπόσιο, το οποίο θα πραγματοποιηθεί στο Λονδίνο, διοργανώνεται από κοινού από το IEEE Signal Processing Society και τους IEEE Engineering in Medicine and Biology Society και συγκεντρώνει κορυφαίους ερευνητές από όλο τον κόσμο που εργάζονται στη διασταύρωση των Τεχνητή νοημοσύνη, ιατρική και βιοϊατρική απεικόνιση.

Το έγγραφο με τίτλο “Beat-SSL: Καταγραφή της τοπικής μορφολογίας του ΗΚΓ μέσω της αντιθετικής μάθησης σε επίπεδο καρδιακού παλμού με μαλακούς στόχους” παρουσιάζει ένα νέο πλαίσιο τεχνητής νοημοσύνης για την ανάλυση σημάτων ηλεκτροκαρδιογραφήματος (ΗΚΓ).

Τα ηλεκτροκαρδιογραφήματα χρησιμοποιούνται ευρέως για την παρακολούθηση της υγείας της καρδιάς, ωστόσο η εκπαίδευση συστημάτων τεχνητής νοημοσύνης για την ερμηνεία τους απαιτεί παραδοσιακά μεγάλο όγκο δεδομένων με ετικέτες ειδικών. Το προτεινόμενο Πλαίσιο Beat-SSL εισάγει μια προσέγγιση αυτοεπιβλεπόμενης μάθησης που επιτρέπει στα μοντέλα τεχνητής νοημοσύνης να μαθαίνουν απευθείας από σήματα ΗΚΓ χωρίς να βασίζονται σε μεγάλο βαθμό σε σύνολα δεδομένων με ετικέτες.

Σε αντίθεση με τις υπάρχουσες μεθόδους που εστιάζουν κυρίως στον συνολικό καρδιακό ρυθμό, η προσέγγιση αυτή καταγράφει τον λεπτόκοκκη μορφολογία των μεμονωμένων καρδιακών παλμών, επιτρέποντας μια πιο λεπτομερή ανάλυση των καρδιακών σημάτων.

Η έρευνα διεξήχθη σε συνεργασία με το Πανεπιστήμιο της Γλασκώβης, με τη συμβολή του διδακτορικού ερευνητή Muhammad Ilham Rizqyawan, υπό την επίβλεψη του καθηγητή Φανή Δεληγιάννη και υπό τη συνεπίβλεψη του Δρ Στάθη Χατζηδημητρίου.

Τα πειραματικά αποτελέσματα καταδεικνύουν ότι η προτεινόμενη μέθοδος επιτυγχάνει 93% των επιδόσεων των μεγάλων μοντέλων θεμελίωσης ΗΚΓ που εκπαιδεύονται σε περισσότερο από 30 φορές τον όγκο δεδομένων, ενώ τις ξεπερνούν σε λεπτομερείς εργασίες τμηματοποίησης κυμάτων ΗΚΓ.

Το επίτευγμα αυτό αναδεικνύει την αυξανόμενη σημασία των η τεχνητή νοημοσύνη στην προώθηση της ιατρικής διάγνωσης και αντικατοπτρίζει την αυξανόμενη ερευνητική δραστηριότητα του Πανεπιστημίου Λεμεσού στους τομείς των Τεχνητή νοημοσύνη, τεχνολογίες ιατρικής απεικόνισης και επιστήμη βιοϊατρικών δεδομένων.

Η έρευνα θα παρουσιαστεί στο συνέδριο στο Λονδίνο.