Vezető: Dr. Goda Márton Áron
Tagok: Dr. Hatvani Janka, Kristóf Bálint, Müller Kristóf, Péter Szabolcs Mátyás
Kapcsolat: goda.marton.aron@itk.ppke.hu
A hordozható eszközök a modern egészségügy meghatározó részévé váltak: lehetővé teszik az otthoni egészségmonitorozást, a fizikai aktivitás és a stressz követését, valamint bizonyos szív- és érrendszeri problémák lehetséges felismerését. Emellett értékes információkkal szolgálnak a klinikai ellátás és a mindennapi egészségmenedzsment számára. Laborunk célja szabványosított, robusztus és validált megoldások fejlesztése az orvosi jelek feldolgozására, ezzel támogatva a következő generációs, mesterséges intelligenciára épülő egészségügyi technológiákat.
Magzati monitorozás
A hagyományos magzati monitorozási módszerek, például az ultrahang és a kardiotokográfia (CTG), korlátozottan alkalmazhatók hosszú távú, illetve otthoni monitorozásra. A magzati fonokardiográfia (fPCG) egyszerű és költséghatékony alternatívát kínál. Kutatásaink középpontjában az fPCG-jelek és az ultrahangos képalkotás állnak. Ennek részeként kifejlesztettük a pyPCG nevű, validált Python-eszköztárat a jelek fejlett elemzésére.
Szívritmus-monitorozás
A szívritmus monitorozása alapvető fontosságú a szív- és érrendszeri állapot felmérésében, valamint a szívritmuszavarok felismerésében. Erre többek között EKG-t, pulzoximetriát, okosórákat és mellkaspántokat alkalmaznak. Ezek a technológiák biometrikus azonosításra is alkalmasak lehetnek.
A Technion – Israel Institute of Technology és a Cambridge University kutatóival együttműködésben kifejlesztettük a pyPPG nevű, nyílt forráskódú eszköztárat a fotopletizmográfiás (PPG) jelek elemzésére. A megoldás a jövőbeli klinikai alkalmazásokat is támogathatja, például a szívelégtelenség előrejelzését és a kockázatbecslést.
A pyPCG fő feldolgozási lépései és implementált funkciói
Jövőbeli kutatási irányok, együttműködési lehetőségek
Az AIMS Lab nyitott az együttműködésekre a mesterséges intelligencián alapuló orvosi jelfeldolgozás, a viselhető egészségügyi technológiák és a digitális egészségügyi innováció területén. Aktívan részt veszünk közös kutatási projektekben, klinikai validációs vizsgálatokban, nyílt forráskódú szoftverek fejlesztésében, valamint hazai és nemzetközi pályázatok előkészítésében és megvalósításában. Együttműködünk akadémiai, klinikai és ipari partnerekkel egyaránt.
Fontosabb publikációk
- Goda, M. Á., Charlton, P. H., & Behar, J. A. (2024). pyPPG: a Python toolbox for comprehensive photoplethysmography signal analysis. Physiological Measurement, 45(4), 045001.
- Müller, K., Hatvani, J., Koller, M., & Goda, M. Á. (2024). pyPCG: a Python toolbox specialized for phonocardiography analysis. Physiological Measurement, 45(12), 125007.
- Hatvani, J., Horváth, A., Michetti, J., Basarab, A., Kouamé, D., & Gyöngy, M. (2018). Deep learning-based super-resolution applied to dental computed tomography. IEEE Transactions on Radiation and Plasma Medical Sciences, 3(2), 120-128.
