2026. gada 19. novembrī plkst. 15.00 klātienē, Latvijas Universitātes Eksakto zinātņu un tehnoloģiju fakultātes (Jelgavas iela 3) 401. auditorijā, kā arī attālināti, notiks LU Fizikas un astronomijas, un materiālzinātnes specializētās promocijas padomes atklātā sēde, kurā promocijas darbu zinātnes doktora grāda (Ph.D) dabaszinātnēs iegūšanai aizstāvēs Nicola Rizzieri.

Temats: "Klīniķa vadītas bezkoda mākslīgā intelekta darbplūsmas izstrāde tīkliņa attēlu analīzei".

Darba zinātniskais vadītājs: Dr. habil. phys. Māris Ozoliņš.

Anotācija:

Mākslīgais intelekts (MI) un datorredze arvien vairāk pārveido oftalmoloģisko attēldiagnostiku, nodrošinot automatizētu tīklenes acs dibena fotogrāfiju analīzi diagnostikas un skrīninga nolūkos. Tomēr augstas veiktspējas MI sistēmu izstrāde medicīnā joprojām bieži balstās uz padziļinātām programmēšanas prasmēm, kas var ierobežot klīnicistu tiešu iesaisti skaitļošanas darba plūsmu izstrādē. Šajā promocijas darbā tika pētīta klīnicistu vadītas, bezkoda MI sistēmas tīklenes attēlu analīzei īstenojamība, robustums un translācijas potenciāls, izmantojot pieejamas datorredzes platformas, kuru pamatā ir You Only Look Once (YOLO) arhitektūra. Eksperimentālā darba plūsma pakāpeniski attīstījās no plaši izpētītiem līdz mazāk pētītiem oftalmoloģiskiem pielietojumiem, tostarp diabētiskās retinopātijas (DR) bojājumu segmentācijai, redzes nerva diska (ND) lokalizācijai, binārai tuvredzības klasifikācijai, izmantojot pilna redzes lauka acs dibena fotogrāfijas, un anatomiski vadītai klasifikācijai, izmantojot uz OD centrētu intereses reģionu (CIE). Modeļu veiktspēja tika novērtēta, izmantojot iekšējo validāciju, neatkarīgu testēšanu, statistiskus salīdzinājumus un salīdzināšanu ar pieredzējušu oftalmologu ekspertu vērtējumu. DR analīzē OD segmentācija sasniedza vidējo precizitāti (VP) 0,982, savukārt mikroaneirismu segmentācija bija ievērojami sarežģītāka (VP = 0,265). Tuvredzības klasifikācijā uz OD centrēta analīze sasniedza laukumu zem ROC līknes (AUC) 0,956, ar jutību 1,000 un specifiskumu 0,933, pārsniedzot diskriminācijas spēju, kas tika iegūta, izmantojot pilna redzes lauka acs dibena fotogrāfijas. Neatkarīgajā pilna redzes lauka testa kopā YOLOv11-nano sasniedza AUC 0,889, bet YOLOv8-medium — AUC 0,806, salīdzinot ar 0,832 klīniskajam konsensam. Starp YOLOv8-m un klīnisko konsensu netika konstatēta statistiski nozīmīga atšķirība pāru klasifikācijas rezultātos (precīzais McNemara tests, p = 0,302), savukārt atšķirība starp YOLOv11-n un konsensu tuvojās, bet nesasniedza statistiskās nozīmības līmeni (p = 0,065). Kopumā iegūtie rezultāti apstiprina klīnicistu vadītu bezkoda MI darba plūsmu īstenojamību tīklenes attēlu analīzē un demonstrē anatomiski vadītas, klīniskajās zināšanās balstītas modeļu izstrādes potenciālo nozīmi. Vienas un tās pašas darba plūsmas pakāpeniska piemērošana — no jau nostiprinātiem tīklenes attēlu analīzes uzdevumiem līdz salīdzinoši mazāk izpētītai refrakcijas statusa klasifikācijai — nodrošina praktisku ietvaru klīnicistu iesaistei oftalmoloģiskā MI izstrādē. Lai noteiktu šīs pieejas vispārināmību un klīnisko lietderību, nepieciešami turpmāki prospektīvi, daudzcentru pētījumi ar ārēju validāciju, pēc vecuma līdzsvarotām kohortām un modeļu kalibrācijas novērtējumu.

Recenzenti:

  • Dr. phys. Sergejs Fomins, Latvijas Universitātes Cietvielu fizikas institūts;
  • Dr. sc. comp. Jānis Bičevskis, Latvijas Universitāte;
  • Dr. Daniel Ledwon, Silēzijas Tehnoloģiju universitāte, Polija.

Ar promocijas darbu var iepazīties LU Bibliotēkā, Raiņa bulvārī 19.

Dalība attālinātā sēdē ar iepriekšēju pieteikšanos, rakstot uz sintija.silina@lu.lv līdz 13. novembrim.