Wyniki wyszukiwania - BazTech

1

Improving road safety: supervised machine learning analysis of factors influencing crash severity

Li Khanh Giang

Zeszyty Naukowe. Transport / Politechnika Śląska

|

2025

|

z. 127

129--153

EN

Road traffic crash severity is shaped by a complex interplay of human, vehicular, environmental, and infrastructural factors. While machine learning (ML) has shown promise in analyzing crash data, gaps remain in model interpretability and region-specific insights, particularly for the UK context. This study addresses these gaps by evaluating supervised ML models – Decision Tree, Support Vector Machine (SVM), and LightGBM – to predict crash severity using 2022 UK accident data. The research emphasizes interpretability through SHapley Additive exPlanations (SHAP) to identify critical factors influencing severity outcomes. Results demonstrate that LightGBM outperforms other models in predictive performance, with police officer attendance at the scene, speed limits, and the number of vehicles involved emerging as pivotal determinants of severity. The analysis reveals that higher speed limits and single-vehicle collisions correlate with severe outcomes, while police presence may mitigate accident severity. However, the study acknowledges limitations, including dataset constraints. By integrating ML with post-hoc interpretability techniques, this work advances actionable insights for policymakers to prioritize road safety interventions, such as optimizing enforcement strategies and revising speed regulations. The findings underscore the potential of interpretable ML frameworks to enhance understanding of crash dynamics and inform targeted safety measures, contributing to global efforts to reduce traffic-related fatalities and injuries.

2

Hoofed animal detection in UAV thermal images using Balanced Random Forest and CNN features

Włodarczyk Dorota, Jóźków Grzegorz

Reports on Geodesy and Geoinformatics

|

2025

|

Vol. 120

1--13

PL

Wildlife monitoring is vital to conservation efforts and the prevention of animal-related negative impacts on human activities and ecosystems. The use of Unmanned Aerial Vehicles (UAVs) enables data collection with no harm to wildlife and in difficult field conditions. This study proposes a method of detecting hoofed animals in UAV-acquired thermal images, addressing the challenges of low-resolution thermal imaging and the presence of other heated objects hindering simple temperature analysis and image segmentation. The proposed method uses machine learning algorithms and is designed to work with a limited size of training dataset. The method consists of an initial segmentation step that detects potential animals based on thermal and geometrical signatures, followed by classification using a Balanced Random Forest (BRF) algorithm. One of the key aspects of the proposed method is the use of geometric and thermal features along with multi-scale Convolutional Neural Network (CNN) extracted feature representations in BRF. The benefit of the BRF is its speed, little requirement regarding the amount of training data, and its capacity to work with an imbalanced number of objects in different classes. The dataset was collected during two UAV flights over a fenced enclosure with wild hoofed animals. The proposed approach showed high efficiency, achieving an overall accuracy of 90%. These results confirm the feasibility of UAV-based animal detection based solely on thermal images collected during the day and showing many other heated objects. The method provides a solution for wildlife monitoring, with potential adaptability to different species and further applications.

3

Alzheimer’s disease classification from MRI using visiontransformer

Kandi Mohith Reddy, Kothapalli Sree Vijaya Lakshmi, Rajanala Sivamsh Pavan, Koneru Suvarna Vani, Vattikunta Vishnu Pramukh

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2025

|

T. 15, nr 3

38--44

EN

Alzheimer’s disease (AD) is a progressive neurodegenerative disorder that presents significant challenges for early diagnosisand intervention. Traditional approaches for diagnosing AD using MRI images are labor-intensiveand often subjective, resulting in the need for automated, accurate solutions to support clinicians in early-stage detection. This study investigates the use of vision transformer (ViT) for the classification of Alzheimer's disease stages using MRI images. By treating MRI imagesas sequences of tokens, ViT models capture both global and local spatial dependencies, which enhances their ability to recognize structural brain changes characteristic of AD. The model was trained on a diverse dataset containing four AD categories–Moderate Demented, Mild Demented, Very Mild Demented, and Non-Demented–achievingan overall classification accuracy of 98.9%. This result highlights the efficacy of transformer-based models in distinguishing between subtle structural brain alterations. Future directions for this study include fine-tuning the model on larger datasets and exploring the integration of multi-modal data to further support AD diagnosis and treatment strategies. The findings indicate that vision transformer have the potential to transform diagnostic imaging for neurodegenerative disorders by providing a robust, scalable,and precise tool for early AD detection.

PL

Choroba Alzheimera (AD) jest postępującą chorobą neurodegeneracyjną, która stanowi poważne wyzwanie dla wczesnej diagnostyki i interwencji. Tradycyjne metody diagnozowania AD przy użyciu obrazów MRI są pracochłonne i często subiektywne, co powoduje potrzebę stosowania zautomatyzowanych, dokładnych rozwiązań wspierających lekarzy w wykrywaniu choroby we wczesnym stadium. Niniejsze badanie dotyczy wykorzystania transformera wizyjnego (ViT) do klasyfikacji stadiów choroby Alzheimera na podstawie obrazów MRI. Traktując obrazy MRI jako sekwencje tokenów, modele ViT wychwytują zarówno globalne, jak i lokalne zależności przestrzenne,co zwiększa ich zdolność do rozpoznawania zmian strukturalnych w mózgu charakterystycznych dla AD. Model został wytrenowany na zróżnicowanym zbiorze danych zawierającym cztery kategorie AD–umiarkowaną demencję, łagodną demencję, bardzo łagodną demencję i brak demencji–osiągając ogólną dokładność klasyfikacjina poziomie 98,9%. Wynik ten podkreśla skuteczność modeli opartych na transformerach w rozróżnianiu subtelnych zmian strukturalnych w mózgu. Przyszłe kierunki badań obejmują dostosowanie modelu do większych zbiorów danych oraz zbadanie możliwości integracji danych multimodalnych w celu dalszego wsparcia diagnostyki i strategii leczenia choroby Alzheimera. Wyniki wskazują, że transformer wizyjny ma potencjał, aby zrewolucjonizować diagnostykę obrazową zaburzeń neurodegeneracyjnych, zapewniając solidne, skalowalne i precyzyjne narzędzie do wczesnego wykrywania choroby Alzheimera.

4

A new model for anomaly detection in elbow and finger X-ray images: Proposed parallel DenseNet

Güçlü Selahattin, Özdemir Durmuş, Saraoğlu Hamdi Melih

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2025

|

Vol. 73, nr 2

art. no. e153233

EN

Image recognition is one of the essential branches of computer vision and has significant theoretical and practical importance. This study aims to enhance a deep learning model, DenseNet, by incorporating parallel structures using X-ray images from the MURA (musculoskeletal radiographs) dataset. X-ray images of the elbow and finger are analyzed using AlexNet, DenseNet, parallel DenseNet, and proposed parallel DenseNet (PPDN) deep learning models for anomaly detection, and the results are compared. For the elbow, 1534 healthy and 1630 anomaly X-ray images; for the finger, 1965 healthy and 1938 anomaly X-ray images were used to train the deep learning models. As a result of the statistical analysis, the most successful model with the test accuracy value for the elbow part was the suggested PPDN model (78.74%). The next successful model for the elbow part was AlexNet (77.05%). The most successful model for the finger part was again the PPDN model (69.97%), and the next successful model was the parallel DenseNet model for the finger part (68.94%). In anomaly detection of musculoskeletal elbow and finger X-ray images, the PPDN model is more successful than the classical DenseNet and AlexNet models in terms of test accuracy.

5

Spatial differentiation of the level of ecological development of polish voivodeship

Bluszcz Anna, Tobór-Osadnik Katarzyna, Wyganowska Małgorzata, Mansor Nur Suhaili, Awang Hapini

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2024

|

z. 191

77--88

EN

Purpose: The aim of the research is the evaluation of the ecological state of development based on statistical data from voivodeships in Poland. Design/methodology/approach: The research uses selected methods of multivariate comparative analysis, in particular, linear ordering. The analysis of the differentiation of the level of ecological development by voivodeships in Poland made it possible to order the provinces according to the indicators that represent the state of the environmental situation. After the process of ordering, the process of grouping voivodeships was possible. The relevant calculations were made using QGIS and Statistica software. Findings: The result of the analysis presents a tree main cluster with similar voivodeships according to ecological situation. Practical implications: The presented methods enable continuous monitoring and control of progress in the implementation of the assumed ecological goals. Green development assessment methods can also help monitor progress towards the Sustainable Development Goals over time. This can help identify trends and patterns and provide feedback on the effectiveness of policies and programs. The results of the analyses may be a useful tool for monitoring and evaluating Poland's progress in achieving the assumed ecological goals of the European Union by 2030. Originality/value: These studies are a very useful tool in identifying the ecological situation and directing administrative activities to the appropriate regions in the country.

6

Selected aspects of social development indicators

Bluszcz Anna, Tobór-Osadnik Katarzyna, Chomiak-Orsa Iwona, Chabior Marcin

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2024

|

z. 200

43--53

EN

Purpose: The aim of the research was a comparative analysis of the level of social development in the European Union countries, taking into account the income inequality index. Design/methodology/approach: Research in this area is conducted using multidimensional analysis, because this phenomenon can be described based on many partial criteria. The article uses QGIS software to classify European Union countries according to the selected indicators such as: the Human Development Index and the Ginni Index describing the level of income inequality. Findings: W artykule zidentyfikowano aspekty wpływające najistotniej na poziom rozwoju społecznego oraz określono kryteria wpływające na wzrost zadowolenia społecznego w krajach wysokorozwiniętych. Practical implications: The article shows several trends on the example of European Union countries, that the level of development varies within the EU itself, but on a global scale on a very large scale. The presented HDI and inequality index can be a very important measurement providing synthetic information. The trend of these parameters over time is also an important element of the assessment. It has also been shown that countries with the lowest level of human development are characterized by the highest level of income inequality. Originality/value: Research has shown that European Union countries are among the countries with the highest level of human development in the world. However, EU countries vary greatly in terms of income inequality. Keywords:

7

Klasyfikacja metod renowacji bezwykopowych

Wiernicki Jakub, Motylski Marcin

Wodociągi - Kanalizacja

|

2024

|

nr 6

36--39

8

Post-production classification of tapered roller bearings based on the plane: RMS value of vibration accelerations - Rice frequency

Jakubek Bartosz

Vibrations in Physical Systems

|

2024

|

Vol. 35, nr 3

art. no. 2024316

EN

In addition to their procedures, in the context of classifying new rolling bearings, manufacturers have at their disposal guidelines from relatively new ISO 15242 standards. The basis for such classification is most often the results of measurements of the RMS values of the bearing vibration velocity in three measurement bands. However, the basis for these guidelines was developed over 75 years ago and was included in the American patent for a rolling bearing testing device USP 2,468,648. The methods currently used in post-production testing of tapered roller bearings do not provide a fully correct classification of bearings. In addition, the testing devices currently used for this purpose enable the identification of manufacturing defects to a very limited extent. The plane of the RMS value of vibration accelerations aRMS - Rice frequency fR is a tool that enables simultaneous analysis in terms of amplitude (signal energy) and frequency (average process frequency). The aRMS - fR plane in the short-time perspective enables the identification of non-stationarity of machine operation, and in terms of average values it can be a tool for assessing their technical condition. The paper presents the concept of using the aRMS - fR plane, in terms of average values, for the classification of new tapered roller bearings.

9

Analysis of the Effectiveness of Selected Machine Learning Algorithms in the Classification of Satellite Image Content Depending on the Size of the Training Sample

Kupidura Przemysław, Niemyski Stanisław

Teledetekcja Środowiska

|

2024

|

T. 64

24--38

EN

The article presents an analysis of the accuracy of 3 popular machine learning (ML) methods: Maximum Likelihood Classifier (MLC), Support Vector Machine (SVM), and Random Forest (RF) depending on the size of the training sample. The analysis involved performing the classification of the content of a Landsat 8 satellite image (divided into 6 basic land cover classes) in 10 different variants of the number of training samples (from 2664 to 34711 pixels), estimating individual results, and a comparative analysis of the obtained results. For each classification variant, an error matrix was developed and on their basis, accuracy metrics were calculated: f1-score, precision and recall (for individual classes) as well as overall accuracy and kappa index of agreement (generally for the entire classification). The analysis showed a stimulating effect of the size of the training sample on the accuracy of the obtained classification results in all analyzed cases, with the most sensitive to this factor being MLC, showing the best effectiveness with the largest training sample and the smallest - with the smallest, and the least SVM, characterized by the highest accuracy with the smallest training sample, comparing to other algorithms.

PL

Artykuł przedstawia analizę dokładności 3 popularnych metod uczenia maszynowego: Maximum Likelihood Classifier (MLC), Support Vector Machine (SVM) oraz Random Forest (RF) w zależności od liczebności próbki treningowej. Analiza polegała na wykonaniu klasyfikacji treści zdjęcia satelitarnego Landsat 8 (w podziale na 6 podstawowych klas pokrycia terenu) w 10 różnych wariantach liczebności próbek uczących (od 2664 do 34711 pikseli), oszacowaniu poszczególnych wyników oraz analizie porównawczej uzyskanych wyników. Dla każdego wariantu klasyfikacji opracowano macierz błędów, a na ich podstawie obliczono metryki dokładności: F1-score, precision and recall (dla pojedynczych klas) oraz ogólną dokładność i wskaźnik zgodności Kappa (ogólnie dla całej klasyfikacji). Analiza wykazała stymulujący wpływ rozmiaru próbki uczącej na dokładność uzyskiwanych wyników klasyfikacji we wszystkich analizowanych przypadkach, przy czym najbardziej wrażliwym na ten czynnik był MLC, wykazujący się najlepszą skutecznością przy największej próbce treningowej i najmniejszą - przy najmniejszej, a najmniej SVM, cechujący się największą dokładnością przy najmniejszej próbce treningowej, w porównaniu do pozostałych algorytmów.

10

Kolmogorov-Arnold Networks for metal surface defect classification

Krzywda Maciej, Wermiński Mariusz, Łukasik Szymon, Gandomi Amir H.

Studia i Materiały Informatyki Stosowanej

|

2024

|

T. 16, nr 3

52--56

EN

This paper presents the application of Kolmogorov-Arnold Networks (KAN) in classifyingmetal surface defects. Specifically, steel surfaces are analyzed to detectdefects such as cracks, nclusions, patches, pitted surfaces, and scratches. Drawingon the Kolmogorov-Arnold theorem, KAN provides a novel approach compared to conventional multilayer perceptrons (MLPs), facilitatingmore efficient function approximation by utilizingspline functions. The results show that KAN networks can achieve better accuracy than convolutional neural networks (CNNs) with fewer parameters, resulting in faster convergence and improved performance in image classification.

PL

W niniejszej pracy przedstawiono zastosowanie sieci Kolmogorov-Arnold (KAN) w klasyfikacji defektów powierzchni metali. W szczególności badane są powierzchnie stali pod kątem wykrywania takich wad, jak pęknięcia, wtrącenia, łaty, powierzchnie z wżerami i zarysowania. Sieci KAN, oparte na twierdzeniu Kolmogorova-Arnolda, stanowią innowacyjną alternatywę dla tradycyjnych wielowarstwowych perceptronów (MLP), umożliwiając efektywniejsze aproksymowanie funkcji poprzez zastosowanie funkcji sklejanych. Wyniki badań wskazują, że sieci KAN mogą osiągać lepszą dokładność niż konwolucyjne sieci neuronowe (CNN) przy mniejszej liczbie parametrów, co skutkuje szybszą zbieżnością i lepszymi wynikami w klasyfikacji obrazów.

11

Comparative analysis of the performance of selected machine learning algorithms depending on the size of the training sample

Kupidura Przemysław, Kępa Agnieszka, Krawczyk Piotr

Reports on Geodesy and Geoinformatics

|

2024

|

Vol. 118

53--69

EN

The article presents an analysis of the effectiveness of selected machine learning methods: Random Forest (RF), Extreme Gradient Boosting (XGB), and Support Vector Machine (SVM) in the classification of land use and cover in satellite images. Several variants of each algorithm were tested, adopting different parameters typical for each of them. Each variant was classified multiple (20) times, using training samples of different sizes: from 100 pixels to 200,000 pixels. The tests were conducted independently on 3 Sentinel-2 satellite images, identifying 5 basic land cover classes: built-up areas, soil, forest, water, and low vegetation. Typical metrics were used for the accuracy assessment: Cohen's kappa coefficient, overall accuracy (for whole images), as well as F-1 score, precision, and recall (for individual classes). The results obtained for different images were consistent and clearly indicated an increase in classification accuracy with the increase in the size of the training sample. They also showed that among the tested algorithms, the XGB algorithm is the most sensitive to the size of the training sample, while the least sensitive is SVM, which achieved relatively good results even when using training samples of the smallest sizes. At the same time, it was pointed out that while in the case of RF and XGB algorithms the differences between the tested variants were slight, the effectiveness of SVM was very much dependent on the gamma parameter -- with too high values of this parameter, the model showed a tendency to overfit, which did not allow for satisfactory results.

12

Turbiny wiatrowe do wytwarzania energii – możliwości i ograniczenia

Pasternak Hartmut

Przegląd Budowlany

|

2024

|

R. 95, nr 5

101--105

PL

Na tle unijnego prawa klimatycznego z 2021 r. wytwarzanie energii wiatrowej ma odegrać szczególną rolę. Po krótkim opisie działania turbiny wiatrowej następuje klasyfikacja (turbiny śródlądowe i morskie) wraz z zaletami i wadami. Następnie omówiono komponenty turbin wiatrowych, ze szczególnym uwzględnieniem fundamentu oraz wyjaśniono zagrożenia podczas instalacji i eksploatacji.

EN

Against the background of the EU Climate Law of 2021, the generation of wind energy plays a special role. A brief description of how a wind turbine works is followed by a classification (Onshore and Offshore turbines) with advantages and disadvantages. The components of wind turbines are then discussed, with a particular focus on the foundation, and risks during installation and operation are explained.

13

The ECG Signal Monitoring System Using Machine Learning Methods and LoRa Technology

Śmigiel Sandra, Topoliński Tomasz, Ledziński Damian, Andrysiak Tomasz

Pomiary Automatyka Robotyka

|

2024

|

R. 28, nr 2

21--36

EN

An electrocardiogram (ECG) is the first step in diagnosing heart disease. Heart rhythm abnormalities are among the early signs of heart disease, which can contribute to a patient’s heart attack, stroke, or sudden death. The importance of the ECGs has increased with the development of technologies based on machine learning and remote monitoring of vital signs. In particular, early detection of arrhythmias is of great importance when it comes to diagnosing a patient with heart disease. This is made possible through recognizing and classifying pathological patterns in the ECG signal. This paper presents a system for mobile monitoring of ECG signals enriched with the results of the study of the application of machine learning models from the group of Tree-based ML techniques and Neural Networks in the context of heart disease classification. The research was carried out through the use of the publicly available PTB-XL database of the ECG signals. The results were analyzed in the context of classification accuracy for 2, 5 and 15 classes of heart disease. Moreover, a novelty in the work is the proposal of machine learning techniques and architectures neural networks, which, have been selected to be applicable to IoT devices. It has been proven that the proposed solution can run in real time on IoT devices.

PL

Elektrokardiogram (EKG) jest pierwszym krokiem w diagnozowaniu chorób serca. Zaburzenia rytmu serca są jednymi z wczesnych objawów chorób serca, które mogą przyczynić się do zawału serca, udaru mózgu lub nagłej śmierci pacjenta. Znaczenie EKG wzrosło wraz z rozwojem technologii opartych na uczeniu maszynowym i zdalnym monitorowaniu parametrów życiowych. W szczególności wczesne wykrywanie arytmii ma ogromne znaczenie, jeśli chodzi o diagnozowanie pacjenta z chorobą serca. Jest to możliwe dzięki rozpoznawaniu i klasyfikowaniu patologicznych wzorców w sygnale EKG. W artykule przedstawiono system zdalnego monitorowania sygnałów EKG wzbogacony o badania eksperymentalne nad zastosowaniem modeli uczenia maszynowego (ML) z grupy opartych na drzewach i architekturze sieci neuronowych, w kontekście klasyfikacji chorób serca. Badania przeprowadzono z wykorzystaniem publicznie dostępnej bazy danych sygnałów EKG, tj. PTB-XL. Wyniki analizowano w kontekście dokładności klasyfikacji dla 2, 5 i 15 klas chorób serca. Nowością w pracy jest wskazanie modeli uczenia maszynowego i architektury sieci neuronowych, jakie można zastosować w urządzeniach IoT. W oparciu o przeprowadzone badania udowodniono, że proponowane rozwiązanie może działać w czasie rzeczywistym na urządzeniach IoT.

14

Geochemistry features of mercury in oils from the deposits of the dnipro-donetsk depth

Ishkov Valerii, Kozii Yevhen

Mining Machines

|

2024

|

vol. 42, iss. 1

12--29

EN

The purpose of the article is to establish the geochemical characteristics of mercury in the oils of the active deposits of the Dnipro-Donetsk depth and to create their classification according to the content of this metal. Based on the research of typomorphic features of the oils of theconsidered deposits, it was established that it is the low-molecular sulfur-containing heteroatomic components of the oil system that are the main carriers and concentrators of mercury. Based on the results of the cluster analysis, a dendrogram of the results of clustering by theweighted centroid method of the studied deposits by the mercury content in the oils was constructed. Taking into account the statistically significant character of mercury connections, it is proposed to divide all geochemical and geological-technological parameters into a group genetically and/or paragenetically related to the accumulation of mercury in oil and a group negatively related to an increase in mercury content in oil. This is what made it possible to develop theclassification of oil fields of the Dnipro-Donetsk depth according to mercury content.

15

Oznaczenie i klasyfikowanie gruntów w praktyce według PN-EN ISO 14688:2018

Jaśkiewicz Krystyna

Inżynieria i Budownictwo

|

2024

|

R. 80, nr 6

480--485

PL

Pomimo upływu lat normy ISO służące opisowi i klasyfikacji nie zostały w pełni zaadaptowane do powszechnego i poprawnego stosowania w praktyce. W artykule przedstawiono metody identyfikacji, opisu i klasyfikacji gruntów zawarte w normach PN-EN ISO 14688-1:2018-05 i PN-EN ISO 14688-2:2018-05 w ujęciu praktycznym. Poziom szczegółowości opisu zależy od właściwości danego gruntu, wielkości i jakości próbki gruntu, jak i celu ich poboru w ramach wykonywanego zadania projektowego czy rozpoznania. Praktyka oznaczenia i opisu gruntów w PN-EN ISO 14688-1:2018 jest w tym zakresie zróżnicowana. W artykule podano przykłady oznaczenia gruntów na podstawie wyżej wymienionych norm ISO w badaniach terenowych oraz laboratoryjnych. Zaobserwowano problemy wynikające m.in. z tłumaczenia normy, jak i niedoprecyzowanych zagadnień dotyczących opisu. W skład większości gruntów wchodzi zwykle więcej niż jedna frakcja. Wyróżnia się frakcję główną i frakcję drugorzędną oraz w uzasadnionych przypadkach frakcję trzeciorzędną. W oznaczeniu frakcji głównej w praktyce nie ma kłopotu. Natomiast w przypadku gruntów wielofrakcyjnych drobnoziarnistych brak bezpośredniego oraz jednoznacznego sposobu zapisu frakcji drugorzędnej sprawia trudności oceniającemu, czego następstwem są rozbieżności w opisie gruntu.

EN

Despite the passage of time, ISO standards for description and classification have not been fully adapted to common and correct use in practice. This article presents the methods of identification, description and classification of soils contained in PN-EN ISO 14688-1:2018-05 and PN-EN ISO 14688-2:2018-05 in practical terms. The level of detail of description depends on the properties of the soil in question, the size and quality of the soil sample as well as the purpose of their collection within the framework of the design or reconnaissance task performed. In this regard the practice of PN-EN ISO 14688-1:2018 soil determination and description varies. The article gives examples of soil determination based on the above-mentioned ISO standards in field and laboratory tests. Problems were observed due to, among other things, the translation of the standard as well as unspecified issues of description. Most soils usually include more than one fraction. A distinction is made between the main fraction and secondary fraction, as well as a tertiary fraction in justified cases. In the determination of the main fraction in practice there is no trouble, so in the case of multifractional fine-grained soils, the lack of a direct and unambiguous way to record the secondary fraction causes difficulties for the assessor resulting in discrepancies in the soil description.

16

Evaluating the feasibility of thermographic images for predicting breast tumor stage using DCNN

Khomsi Zakaryae, El Fezazi Mohamed, Elouerghi Achraf, Bellarbi Larbi

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2024

|

T. 14, nr 1

99--104

EN

Early-stage and advanced breast cancer represent distinct disease processes. Thus, identifying the stage of tumor is a crucial procedure for optimizing treatment efficiency. Breast thermography has demonstrated significant advancements in non-invasive tumor detection. However, the accurate determination of tumor stage based on temperature distribution represents a challenging task, primarily due to the scarcity of thermal images labeled with the stage of tumor. This work proposes a transfer learning approach based on Deep Convolutional Neural Network (DCNN) with thermal images for predicting breast tumor stage. Various tumor stage scenarios including early and advanced tumors are embedded in a 3D breast model using the Finite Element Method (FEM) available on COMSOL Multiphysics software. This allows the generation of the thermal image dataset for training the DCNN model. A detailed investigation of the hyperparameters tuning process has been conducted to select the optimal predictive model. Thus, various evaluation metrics, including accuracy, sensitivity, and specificity, are computed using the confusion matrix. The results demonstrate the DCNN model's ability to accurately predict breast tumor stage from thermographic images, with an accuracy of 98.2%, a sensitivity of 98.8%, and a specificity of 97.7%. This study indicates the promising potential of thermographic images in enhancing deep learning algorithms for the non-invasive prediction of breast tumor stage.

PL

Wczesny i zaawansowany rak piersi stanowią odrębne procesy chorobowe. Dlatego też identyfikacja stadium nowotworu jest kluczową procedurą dla optymalizacji skuteczności leczenia. Termografia piersi wykazała znaczny postęp w nieinwazyjnym wykrywaniu nowotworów. Jednak dokładne określenie stopnia zaawansowania nowotworu na podstawie rozkładu temperatury stanowi trudne zadanie, głównie ze względu na niedobór obrazów termicznych oznaczonych stopniem zaawansowania nowotworu. W niniejszej pracy zaproponowano podejście uczenia transferowego oparte na głębokiej konwolucyjnej sieci neuronowej (DCNN) z obrazami termicznymi do przewidywania stadium guza piersi. Różne scenariusze stadium nowotworu, w tym guzy wczesne i zaawansowane, są osadzone w trójwymiarowym modelu piersi przy użyciu metody elementów skończonych (MES) dostępnej w oprogramowaniu COMSOL Multiphysics. Pozwala to na wygenerowanie zestawu danych obrazów termicznych do trenowania modelu DCNN. Przeprowadzono szczegółowe badanie procesu dostrajania hiperparametrów w celu wybrania optymalnego modelu predykcyjnego. W związku z tym różne wskaźniki oceny, w tym dokładność, czułość i swoistość, są obliczane przy użyciu macierzy pomyłek. Wyniki pokazują zdolność modelu DCNN do dokładnego przewidywania stadium guza piersi na podstawie obrazów termograficznych, z dokładnością 98,2%, czułością 98,8% i swoistością 97,7%. Badanie to wskazuje na obiecujący potencjał obrazów termograficznych w ulepszaniu algorytmów głębokiego uczenia się w celu nieinwazyjnego przewidywania stadium guza piersi.

17

Deep learning method for classifying items into categories for dutch auctions

Bobulski Janusz, Szymoniak Sabina

Computer Assisted Methods in Engineering and Science

|

2024

|

Vol. 31, no. 1

67--79

EN

Artificial Intelligence (AI) methods are widely used in our lives (phones, social media, self-driving cars, and e-commerce). In AI methods, we can find convolutional neural networks (CNN). First of all, we can use these networks to analyze images. This paper presents a method for classifying items into particular categories on an auction site. The technique prompts the seller to which category assign the item when creating a new auction. We choose a neural network with a number of image convolution layers as the best available approach to address this task. All tests were carried out in the Matlab environment using GPU and CPU. Then, the tested and verified solution was implemented in the TensorFlow environment with a CPU processor. Thanks to the cross-validation method, the effectiveness of the recognition system was fully verified in several stages. We obtained promising results. Consequently, we implemented the developed method by adding a new sales offer on the Clemens website.

18

Classification of cognitive states using clustering-split time series framework

Ramakrishna J. Siva, Ramasangu Hariharan

Computer Assisted Methods in Engineering and Science

|

2024

|

Vol. 31, no. 2

241--260

EN

Over the last two decades, functional Magnetic Resonance Imaging (fMRI) has provided immense data about the dynamics of the brain. Ongoing developments in machine learning suggest improvements in the performance of fMRI data analysis. Clustering is one of the critical techniques in machine learning. Unsupervised clustering techniques are utilized to partition the data objects into different groups. Supervised classification techniques applied to fMRI data facilitate the decoding of cognitive states while a subject is engaged in a cognitive task. Due to the high dimensional, sparse, and noisy nature of fMRI data, designing a classifier model for estimating cognitive states becomes challenging. Feature selection and feature extraction techniques are critical aspects of fMRI data analysis. In this work, we present one such synergy, a combination of Hierarchical Consensus Clustering (HCC) and the Statistics of Split Timeseries (SST) framework to estimate cognitive states. The proposed HCC-SST model’s performance has been verified on StarPlus fMRI data. The obtained experimental results show that the proposed classifier model achieves 99% classification accuracy with a smaller number of voxels and lower computational cost.

19

Automatic classification of underground utilities in Urban Areas: A novel method combining ground penetrating radar and image processing

Pasternak Klaudia, Fryśkowska-Skibniewska Anna

Archives of Civil Engineering

|

2024

|

Vol. 70, nr 2

59--77

EN

Precise determination of the location of underground utility networks is crucial in the field of civil engineering for: the planning and management of space with densely urbanized areas, infrastructure modernization, during construction and building renovations. In this way, damage to underground utilities can be avoided, damage risks to neighbouring buildings can be minimized, and human and material losses can be prevented. It is important to determine not only the location but also the type of underground utility network. Information about location and network types improves the process of land use design and supports the sustainable development of urban areas, especially in the context of construction works in build-up areas and areas planned for development. The authors were inspired to conduct research on this subject by the development of a methodology for classifying network types based on images obtained in a non-invasive way using a Leica DS2000 ground penetrating radar. The authors have proposed a new classification algorithm based on the geometrical properties of hyperboles that represent underground utility networks. Another aim of the research was to automate the classification process, which may support the user in selecting the type of network in images that are sometimes highly noise-laden. The developed algorithm shortens the time required for image interpretation and the selection of underground objects, which is particularly important for inexperienced operators. The classification results revealed that the average effectiveness of the classification of network types ranged from 42% to 70%, depending on the type of infrastructure.

PL

Precyzyjne określenie położenia podziemnych sieci uzbrojenia terenu jest kluczowe w dziedzinie inżynierii lądowej w zakresie prac modernizacyjnych infrastruktury, podczas budowy i remontów obiektów oraz przy planowaniu i zarządzaniu przestrzenią o gęstej urbanizacji. Wiele zadań administracji publicznej takich jak: pozyskiwanie gruntów, zarządzanie własnością i planowanie zależy od wiarygodności lokalizacji uzbrojenia podziemnego. Pozwala to uniknąć zniszczeń uzbrojenia podziemnego, zminimalizować ryzyko uszkodzeń sąsiednich budynków oraz zapobiec stratom ludzkim i materialnym. Ważne jest, aby określić nie tylko lokalizację, ale również rodzaj sieci uzbrojenia podziemnego. Informacja o lokalizacji i rodzajach sieci usprawnia proces projektowania zagospodarowania terenu i wspiera zrównoważony rozwój obszarów miejskich, zwłaszcza w kontekście prac budowlanych na terenach zabudowanych i planowanych do zabudowy w dziedzinie inżynierii lądowej. Motywacją autorów do podjęcia tematu badawczego było opracowanie metodyki klasyfikacji typów sieci na podstawie bezinwazyjnie pozyskanych obrazów georadarem Leica DS2000. Autorzy zaproponowali nowy algorytm klasyfikacji bazujący na cechach geometrycznych hiperbol reprezentujących sieci podziemne. Celem pracy była również automatyzacja procesu klasyfikacji, który może wspomóc użytkownika w wyborze typu sieci na czasami bardzo zaszumionych obrazach. Echogramy pozyskano w kilkunastu różnych lokalizacjach w Otwocku i na obszarze Wojskowej Akademii Technicznej w Warszawie. Opracowany algorytm pozwala na skrócenie czasu interpretacji obrazów i selekcji obiektów podziemnych, co jest szczególnie istotne dla niedoświadczonych operatorów. Wyniki klasyfikacji wykazały, że średnia skuteczność klasyfikacji typów sieci waha się w graniach od 42% do 70% w zależności od rodzaju infrastruktury podziemnej.

20

Forecasting Stock Trends with Feedforward Neural Networks

Traskowski Marcin, Kannout Eyad

Annals of Computer Science and Information Systems

|

2024

|

Vol. 39

767--771

EN

Stock market prediction stands as a complex and crucial task, pivotal for enhancing the overall stability and efficiency of financial markets by offering essential insights into market movements and trends. In this study, we introduce a simple yet potent model based on feedforward neural networks to tackle this challenge effectively. Our approach leverages advancements in machine learning and deep learning to analyze large datasets of financial statements, demonstrating promising results in forecasting stock trends.