Takács Petra azok közé a tehetséges friss diplomásaink közé tartozik, aki már megtalálta helyét a tudomány világában. Az Információs Technológiai és Bionikai Kar egykori hallgatója nemcsak az Országos Tudományos Diákköri Konferencián (OTDK) érdemelte ki Szalienciaalapú tumorszegmentálás agyi MRI-adatokon című dolgozatával a főzsűri elismerését, hanem a két évente megítélt Gábor Dénes OTDK ösztöndíjat is elnyerte. Interjúnkban segít megérteni, hogyan lehet az orvostudományt és biológiát ötvözni a műszaki területtel, és betekintés ad tudományos kutatómunka szépségeibe.
Hogyan mutatná be dolgozatát egy laikusnak, aki nem jártas informatika és a biológia területén?
A problémakör, amivel foglalkozom, orvosi képfeldolgozás. A radiológusoknak hosszú ideig tart a sugárterápiához bejelölni, kontúrozni a tumort és a környező szerveket, melyeket védeni kell. Ez a mechanikus, automatizálható folyamat aktív kutatási terület. A legjobb eredményeket elérő algoritmusok neurális hálózatokon alapulnak.
A dolgozatom témája automatikus tumor detektálás agyi MRI adatokon, szaliencia alapú algoritmussal, majd ezt kombinálva neurális hálózatok eredményével. A szaliencia a figyelmünk automatikus fókuszát hivatott lemodellezni (pl. fehér alapon piros pötty, tiszta égen repülő madár stb.), mivel az agyunk szürke és fehérállományától a tumorok, anomáliák túlnyomó része jelentősen eltér. Az eltérést intenzitásban és távolságban nézzük (tumoros pixelhez közel valószínűbb, hogy újabb tumoros pixel van, mint egyre távolodva). A módszer hátránya a sok hibásan bejelölt rész, amikre különböző szűrőket fejlesztettünk ki, de az összes hibás esetet nem tudtuk lefedni. Ezért a neurális hálózatok (melyek rátanulnak a tumorokra elegendő tanító minta esetén) predikcióit felhasználva, ezek eredményének javítására használtuk fel a szaliencia alapú módszerünket.
A végső algoritmus lassabb, mint az ipari algoritmusok tisztán neurális hálózatokkal, illetve több fejlesztési lehetőség ötlet szinten maradt a határidők miatt, de az eredmények azt mutatják, hogy a kombinált algoritmus tud javítani a szegmentálási pontosságon.
Melyik áll közelebb Önhöz a műszaki- vagy a biológiai tanulmányok?
A kettő kombinációjában érzem jól magam. Műegyetemi tanulmányaim során csak a műszaki részek voltak fókuszban, aminek sok eleme nem állt közel hozzám (hardverek, hálózatok, mobil appok), ezért amikor a szakdolgozatomhoz rátaláltam a képfeldolgozásra, neurális hálókra és a biológiai vonatkozásokra, akkor már tudtam, hogy ezzel szeretnék foglalkozni. Emiatt is választottam a Pázmány mesterképzését, ahol sok az átfedés a bionikus tárgyakkal.
Miért ezt választotta kutatási témájának?
A BSc szakdolgozat témák között keresgélve akadt meg a szemem az MTA SZTAKI-s képfeldolgozós témákon, és megkerestem a téma kiíróját. Először gyalogos detektálás témakörben volt feladatom, majd légifelvétel elemzésen dolgoztam rövid ideig. Ezután kaptunk egy orvosi, kutatási projektet, és ez tetszett a legjobban az eddigiekből, egyértelmű volt, hogy ebből szeretnék diplomatervet írni.
Ki volt a témavezetője?
Dr. Manno-Kovács Andrea, akinek rengeteget köszönhetek. Lelkes, tele ötletekkel és tapasztalattal, született egy közös cikkünk is a témakörből, amit egy La Rochelle-i konferencián adtunk elő 2018-ban.
Miért döntött úgy, hogy elindul az Országos Tudományos Diákköri Konferencián? Hogyan készült fel rá?
A témavezetőm tanácsolta, illetve a TDK határideje motivált megírni a dolgozatot korábban, az őszi félévben, így tavaszra már nem maradt tárgyam és dolgozhattam teljes állásban. A dolgozat egybeesett a diplomamunkámmal, így ezt nem tekintettem extra munkának. Az előadáshoz jó gyakorlás volt a La Rochelle-i, illetve két magyar konferencia, Debrecenben (KEPAF), illetve Pécsen (PTE3D).
Mi volt a legnagyobb kihívás a felkészülése során?
A szóbeli prezentáció sok ember előtt szokott problémát okozni. Az időbeosztás sem volt egyszerű, akkor a mesterképzéses tárgyak mellett dolgoztam félállásban, és ott írtam a diplomamunkát is. Szerencsére elég sok volt az átfedés, de nem sok szabadidőm maradt ezek mellett. Illetve az adminisztratív teendők nem az erősségeim. :)
Melyik szakra jár, és melyik alapszakról érkezett a Pázmány MSc-re? Miért a Pázmányt választotta?
Mérnökinformatikus mesterképzésre jártam a Pázmányon, ahova a BME VIK mérnökinformatikus alapképzéséről érkeztem. A biológia és képfeldolgozás, mesterséges intelligencia témakörök érdekeltek, ami a Pázmányon erős. (Külföldi lehetőségeken is gondolkodtam, de a jelentkezés túl sok extra teendővel - illetve plusz anyagiakkal - járt volna.)
Mikor fejezte be MSc tanulmányait, és hol folytatta tovább?
2019 nyarán fejeztem be az MSc-s tanulmányaimat, jelenleg több, mint egy éve dolgozom a GE Healthcare budapesti Data Science csapatában. A jelenlegi projektem szerv- és tumor szegmentálás MRI adatokon, immár tisztán neurális hálós megközelítéssel.
Milyen érzés volt a jól sikerült OTDK után a Gábor Dénes ösztöndíjat is elnyerni?
Mind a kettőn meglepődtem, de természetesen nagyon örültem. Az átadó legjobb része volt, hogy egy kedves, szintén Pázmányos barátnőmmel és mostani kollégámmal együtt vehettünk át első díjat, illetve különdíjat is.
Megkeresték azóta a tudományos körökből együttműködés vagy állásajánlat lehetőségével?
LinkedIn-en főleg az autóiparból, gépi látás témakörökben szoktak megkeresni.
Hogyan képzeli el a jövőjét, mi lenne ön számára az ideális munkahely, ahol szívesen dolgozna?
Jelenleg egy számomra ideális munkahelyen dolgozom. A projektek beleillenek az érdeklődési körömbe, a menedzsment támogatja a biológiai irányú fejlődést, belenézhetünk a sugárterápia folyamataiba. Az MRI szerv- és tumor szegmentálás például, amin jelenleg öten dolgozunk, félig kutatási jellegű projekt, így szabadon ötletelhetünk és kipróbálhatunk többféle irányt. A közeg támogató, kooperatív, a csapattársaim közül mindenki elképesztően tehetséges és lelkes. Vannak utazási lehetőségek (ha épp nincs világjárvány), és dolgozhatunk otthonról is rugalmasan. Az egyetlen, ami hiányzik, az a tengerparti kilátás az irodából.. :)
Készítette: PPKE Kommunikáció/Ádám Eszter
Fotó: Takács Petra