Kitos mainų programos

• Nacionalinės stipendijų programos išvykstantiems studentams

Parama Lietuvos mokslo ir studijų institucijų magistrantūros ir doktorantūros studijų studentų dalinėms studijoms tarptautinį pripažinimą pelniusiuose užsienio valstybių universitetuose.

Apie projektą, finansinę paramą, reikalavimus kandidatams, paraiškų teikimą ir konkurso eigą  skaitykite plačiau.

• Tarptautinėms praktikos lituanistinio švietimo įstaigose

Apie veiklą, siūlomas praktikos vietas, finansavimą, reikalavimus kandidatams, paraiškų teikimą ir konkurso eigą skaitykite plačiau.  

• Valstybinės stipendijos užsienio studentams

Daugiau informacijos apie užsienio šalių vyriausybių skiriamas valstybines stipendijas užsienio studentams rasite čia.

• Nacionalinės stipendijų programos atvykstantiems studentams 

Jos skirtos įvairių studijų sričių ir pakopų studentų iš užsienio aukštojo mokslo institucijų studijoms Lietuvos aukštojo mokslo ir studijų institucijose. 

Siūlomos šios nacionalinės stipendijų programos: 

• Lietuvių kalbos ir kultūros kursai 
• Dalinės lituanistinės studijos 
• Dalinių (1-2 semestrų trukmės) studentų iš užsienio aukštųjų mokyklų studentų studijų projektas
• Parama užsienio piliečių studijoms antrosios pakopos nuolatinės studijų formos studijų programose Lietuvos aukštosiose mokyklose
  

AI stipendijų programa Lietuvos sveikatos mokslų universiteto studentams

Ar aistringai siekiate tobulinti savo žinias medicinos tyrimų ir inovacijų srityse? Vykdydami projektą „SustAInLivWork“ didžiuojamės galėdami pasiūlyti tarptautines AI stipendijas mūsų tyrimų grupėje Lietuvos sveikatos mokslų universiteto (LSMU) Kardiologijos instituto Širdies ir kraujagyslių tyrimų automatizavimo laboratorijoje. Šia programa siekiama skatinti inovacijas ir mokslinių tyrimų kompetenciją, daugiausia dėmesio skiriant dirbtinio intelekto transformaciniam potencialui medicinos ir sveikatos priežiūros srityse. Žemiau pateikiama galimų tyrimų temų, susijusių su „AI sveikatos priežiūrai“, apžvalga. Išsamias kandidatūros gaires galite rasti  SustAInLivWork pagrindiniame puslapyje.

Pagrindinė informacija apie stipendiją

Kaip mūsų programos bendradarbis, dirbdamas kartu su daugiadisciplininėmis komandomis, įskaitant gydytojus, įsitrauksite į praktinius tyrimų projektus. Mūsų programa siūlo:

• prieigą prie pažangiausių skaitmeninių išteklių, įskaitant medicininius vaizdus;
• galimybes prisidėti prie esamų projektų ir juos plėsti;
• palaikymas kuriant ir išbandant naujoviškus AI sprendimus realiose klinikinėse aplinkose.

Bendradarbiai raginami pateikti savo idėjas, kad būtų galima sukurti efektyvius tyrimus tokiose srityse kaip automatinė diagnostika ir nuspėjamoji sveikatos priežiūros analizė.

Praktikos kryptys

Dalyviai turės galimybę dirbti:

1. Giliųjų neuronų tinklų taikymas automatizuotai echokardiografinei širdies nepakankamumo diagnostikai
   Kontaktinis asmuo: Arnas Karužas, MD karuzas@lsmu.lt
   Santrauka: Širdies nepakankamumas yra pasaulinis sveikatos iššūkis, kurio ankstyvas nustatymas yra labai svarbus siekiant veiksmingo gydymo ir geresnių rezultatų pacientams. Echokardiografija yra plačiai naudojamas neinvazinis vaizdinis metodas širdies funkcijai įvertinti. Tačiau echokardiografinių duomenų interpretavimas dažnai yra sudėtingas ir reikalauja specialių žinių, todėl diagnozės gali būti skirtingos. Šiame projekte pagrindinis dėmesys skiriamas giliųjų neuronų tinklų (angl. Deep neural networks) naudojimui, siekiant automatizuoti širdies nepakankamumo aptikimą ir klasifikavimą iš echokardiografinių vaizdų. Apmokant dirbtinio intelekto modelius su dideliais anotuotų ultragarsinių vaizdų duomenų rinkiniais, sistema siekia labai tiksliai ir nuosekliai nustatyti pagrindinius širdies nepakankamumo rodiklius, tokius kaip sumažėjusi išstūmimo frakcija arba nenormalus sienelės judėjimas. Iššūkiai apima vaizdo kokybės kintamumą dėl operatoriaus, ultragarso aparatų skirtumų ir pacientams būdingų veiksnių. Projektas sprendžia šias problemas kuriant patikimus išankstinio apdorojimo metodus ir panaudojant pažangias architektūras, tokias kaip konvoliuciniai neuroniniai tinklai (angl. Convolutional neural networks) ir pasikartojantys neuroniniai tinklai (angl. Recurrent neural networks).
2. Dirbtinis intelektas širdies kompiuterinės tomografijos stenozei aptikti
   Kontaktinis asmuo: Dovydas Verikas, MD dovydasverikas@lsmu.lt
   Santrauka: Širdies ir kraujagyslių ligos yra viena iš pagrindinių sergamumo ir mirtingumo priežasčių visame pasaulyje, todėl ankstyva ir tiksli diagnozė yra labai svarbi. Širdies kompiuterinė tomografija yra vertinga priemonė vainikinių arterijų stenozei nustatyti, tačiau analizė užima daug laiko ir gali keistis tarp stebėtojų. Mūsų tyrime pagrindinis dėmesys skiriamas dirbtinio intelekto panaudojimui, siekiant automatizuoti stenozių aptikimą ir kiekybinį nustatymą širdies KT vaizduose.
   Integruojant pažangius vaizdo apdorojimo algoritmus ir gilaus mokymosi metodus, projektu siekiama pagerinti diagnostikos tikslumą ir efektyvumą. DI modeliai mokomi nustatyti ir segmentuoti vainikines arterijas, aptikti stenozuojančius regionus ir kiekybiškai įvertinti atvejo rimtumą. Šis automatizavimas sumažina naštą gydytojams, leidžia greičiau nustatyti diagnozę ir pagerinti pacientų rezultatus.
   Sprendžiami iššūkiai yra vaizdo kokybės kintamumas, paciento judėjimo poveikis tyrimo rezultatams ir poreikis tvirtai apibendrinti įvairius duomenų rinkinius. Projekte taip pat tiriami paaiškinami DI metodai, siekiant užtikrinti skaidrumą ir pasitikėjimą priimant klinikinius sprendimus.
3. Tema: Neprižiūrimas mokymasis insulto ir miokardo infarkto duomenų analizei
   Kontaktinis asmuo: Gintarė Šakalytė, MD PhD sakalyte@lsmu.lt
   Santrauka: Insultas ir miokardo infarktas yra pagrindinės mirties ir negalios priežastys visame pasaulyje, todėl, norint užtikrinti veiksmingą jų prevenciją ir gydymą, reikia laiku ir tiksliai išanalizuoti pacientų duomenis. Įprasti metodai dažnai remiasi prižiūrimais mokymosi metodais, kuriems reikalingi dideli etiketėmis pažymėti duomenų rinkiniai, kuriuos paruošti gali prireikti daug išteklių.
   Šis projektas tiria neprižiūrimų mokymosi metodų potencialą atskleisti paslėptus modelius ir ryšius insulto ir miokardo infarkto duomenų rinkiniuose. Naudojant klasterizavimo, matmenų mažinimo ir anomalijų aptikimo algoritmus, tyrimo tikslas – nustatyti pacientų pogrupius, naujus biomarkerius ir rizikos veiksnius be išankstinio ženklinimo.
   Pagrindiniai iššūkiai apima nevienalyčių duomenų tipų, tokių kaip klinikiniai įrašai, vaizdavimas ir biocheminiai žymenys, tvarkymą, taip pat išvadų aiškinamumo užtikrinimą. Šioms problemoms spręsti taikomos pažangios metodikos, pvz., automatiniai kodavimo įrenginiai, savaime besitvarkantys žemėlapiai ir kontrastinis mokymasis.

Informacija apie programą:

• Trukmė: praktika turi trukti bent vieną kalendorinį mėnesį.
• Vieta: Kardiologinių tyrimų automatizacijos laboratorija, LSMU Kardiologijos institutas, Kaunas, Lietuva.
• Pradžia: pateiktų paraiškų atranka vykdoma 4 kartus per metus: rugsėjo, gruodžio, kovo ir birželio pradžioje.

Reikalavimai

• Bakalauro (nuo 3 semestro) arba magistro studijų pakopos studentas.
• Patirtis su DI, tvirti programavimo ir IT įgūdžiai.
• Minimalus pažymių vidurkis 8+.
• Anglų kalbos žinių lygis B2 ar aukštesnis.

Suinteresuoti kandidatai raginami apsilankyti „SustAInLivWork“ pagrindiniame puslapyje, kur galima rasti visą svarbią informaciją apie paraiškų teikimo procesą. Maloniai kviečiame jus prisijungti prie mūsų komandos.

Jei turite klausimų, susisiekite su mumis el.paštu dovydas.verikas@lsmu.lt.