Metody klasteryzacji wizualizacyjnej dla potrzeb rozpoznawania wzorców w danych biomedycznych
Visual Clustering Methods for Pattern Recognition in Biomedical Data

mgr inż. Marcin Kurdziel

Promotor: dr hab. inż. Krzysztof Boryczko prof. n. AGH – Akademia Górniczo-Hutnicza
Dyscyplina: Informatyka

Rozprawa doktorska poświęcona jest zagadnieniu detekcji skupisk w zbiorach danych zawierających szum, ze szczególnym uwzględnieniem danych pozyskiwanych w technikach pomiarowych biologii molekularnej oraz nowoczesnych metodach diagnostyki medycznej. W tej tematyce badawczej podstawową rolę odgrywają algorytmy analizy skupisk wykorzystujące kryterium lokalnej gęstości obserwacji. Literatura przedmiotu zbyt mało uwagi poświęca jednak kwestii rygorystycznej, ilościowej oceny odporności proponowanych algorytmów na szum. W rozprawie autor przeprowadza taką analizę, demonstrując niską odporność na szum kilku znaczących algorytmów tej klasy. Przyczyną słabych wyników jest wrażliwość na szum wykorzystywanych estymatorów gęstości.

Autor proponuje nową metodę estymacji gęstości w zbiorach obserwacji oraz, zbudowany na jej podstawie, nowy algorytm analizy skupisk. Przeprowadzona w rozprawie ilościowa ocena skuteczności zaproponowanych algorytmów demonstruje, iż metody te są bardziej odporne na szum niż inne testowane w rozprawie, znaczące algorytmy analizy skupisk wykorzystujące kryterium gęstości. Autor proponuję także metodę wizualizacji danych, pozwalającą ocenić poziom szumu i stopień drobnoziarnistości skupisk w zbiorze danych.

Głównym obszarem praktycznych zastosowań proponowanych algorytmów poruszanym w rozprawie jest detekcja skupisk w danych biomedycznych. Autor demonstruje kilka wyników, pokazujących, iż zaproponowane algorytmy odkrywają prawidłowe skupiska w złożonych danych biomedycznych, obarczonych znacznym poziomem szumu. W szczególności, autor pokazuje, iż zaproponowane algorytmy odkrywają prawidłowe skupiska w: zbiorze sekwencji niekodujących cząsteczek RNA, w zbiorze trójwymiarowych struktur białek pochodzenia ludzkiego oraz w zbiorze wielowymiarowych wektorów cech ze zdjęć mammograficznych. Autor demonstruje także przydatność zaproponowanego estymatora gęstości w problemie selekcji profili ekspresji genów z danych mikromacierzowych

Pełna wersja autoreferatu autoreferat-kurdziel.pdf.

1. K. Boryczko, M. Kurdziel Approximate Clustering of Noisy Biomedical Data, Lecture Notes in Computer Science, vol. 5101, pp. 630-640, Springer-Verlag, 2008
2. M. Kurdziel, K. Boryczko, D.A. Yuen Detecting Clusters of Microcalcifications in High-Resolution Mammograms Using Support Vector Machines, Bio-Algorithms and Med-Systems, vol. 3(6), pp. 11-22, CM UJ, 2007
3. T. Arodź, M. Kurdziel, T.J. Popiela, E.O.D. Sevre, D.A. Yuen Detection of Clustered Microcalcifications in Small Field Digital Mammography, Computer Methods and Programs in Biomedicine, vol. 81(1), pp. 56-65, Elsevier Science, 2006
4. T. Arodz, K. Boryczko, W. Dzwinel, M. Kurdziel, D.A. Yuen Visual Exploration of Multidimensional Feature Space of Biological Data, in: „Proc. IEEE Visualization 2005”, pp. 90, IEEE Computer Society, 2005, abstract
5. T. Arodź, M. Kurdziel, E.O.D. Sevre, D.A. Yuen Pattern Recognition Techniques for Automatic Detection of Suspicious-looking Anomalies in Mammograms, Computer Methods and Programs in Biomedicine, vol. 79(2), pp. 135-149, Elsevier Science, 2005
6. K. Boryczko, M. Kurdziel Recognition of Subtle Microcalcifications in High-Resolution Mammograms, in: „Proc. IV Int'l Conf. on Computer Recognition Systems, CORES 2005”, Advances in Soft Computing, vol. 30, pp. 485-492, Springer-Verlag, 2005
7. K. Boryczko, M. Kurdziel Parallel Clustering of Large-Scale Noisy Multidimensional Datasets, in: „Proc. Cracow Grid Workshop '04”, ACC Cyfronet AGH, Kraków, 2005
8. W. Dzwinel, K. Boryczko, T. Arodź, M. Kurdziel Komputerowe Metody Detekcji Nowotworów Piersi w Zdjęciach Mammograficznych, Bio-Algorithms and Med–Systems, vol. 1(1/2), pp. 287-290, CM UJ, 2005
9. T.J. Popiela, A. Urbanik, T. Arodź, M. Kurdziel Computer-aid system for the detection of clustered microcalcifications in digital mammography, Polish Journal of Radiology, vol. 69(S1), pp. 67-68, 2004, abstract