Dvodnevna praktična radionica: Hibridno iskustvo učenja, zajednički organizovano od strane BioExcel-a i uz podršku Univerziteta u Sofiji „Sveti Kliment Ohridski“, Fakulteta za hemiju i farmaciju i Fakulteta za fiziku, superračunara DISCOVERER i Nacionalnih centara za kompetenciju u Bugarskoj, Sjevernoj Makedoniji, Rumuniji, Srbiji i Crnoj Gori. Ova hibridna radionica pružiće učesnicima priliku da učestvuju i uživo i onlajn. Radionica će biti fokusirana na upotrebu osnovnih BioExcel alata kao što su GROMACS, HADDOCK i PMX, uz snažan akcenat na praktične sesije i vođstvo od strane vodećih stručnjaka iz ove oblasti.
Kada i gdje: 21–22. maj 2025. | Univerzitet u Sofiji, Bugarska i onlajn
Na IT2025 IEEE konferenciji na Žabljaku, istraživači sa Univerziteta Donja Gorica predstavili su svoju najnoviju studiju o korištenju vještačke inteligencije (AI) za dijagnostiku raka dojke. Istraživanje istražuje primjenu modela dubokog učenja, ResNet152 i DenseNet121, za analizu mamografskih slika. Osim kliničkih rezultata, studija naglašava implikacije korištenja računarske infrastrukture visokih performansi (HPC) kako bi se optimizirala obuka i evaluacija modela. Prenošenjem eksperimentalne postavke na HPC resurse, istraživanje otvara puteve za brže razvojne cikluse, istraživanje složenijih arhitektura i skalabilnost za implementaciju u stvarnom svijetu.
ABSTRACT – Artificial Intelligence is rapidly advancing the medical field by providing innovative disease diagnosis, treatment, and research approaches. This study explores the application of artificial intelligence in breast cancer diagnostics, focusing on using convolutional neural networks and deep learning to analyze mammographic images. ResNet152 and DenseNet121 models were used to classify malignant changes, achieving AUC scores exceeding 0.9, demonstrating their clinical utility. The research emphasizes how artificial intelligence can enhance screening efficiency, expedite diagnostic processes, and facilitate personalized treatment approaches. Ethical considerations, including patient safety and the transparency of artificial intelligence systems, were also analyzed. The findings underscore the potential of artificial intelligence to transform diagnostic procedures for breast cancer and highlight the importance of further research to integrate these technologies into clinical practice.
Istraživači sa Univerziteta Donja Gorica predstavili su model dubokog učenja za automatsko otkrivanje tuberkuloze na osnovu rendgenskih snimaka pluća na IEEE IT2025 konferenciji. Korišćenjem konvolucione neuronske mreže (CNN), model klasifikuje slike kao normalne ili pozitivne na tuberkulozu sa impresivnom tačnošću od 97.55%. Ovo dostignuće ima potencijal da ubrza postavljanje dijagnoze, smanji opterećenje radiologa i poboljša stopu ranog otkrivanja, naročito u zdravstvenim sistemima sa ograničenim resursima. Kroz primjenu vještačke inteligencije za brzu i pouzdanu analizu medicinskih slika, ovo istraživanje ističe sve značajniju ulogu računarskog vida u savremenoj medicini i njegovu sposobnost da unaprijedi efikasnost i preciznost u otkrivanju bolesti.
Abstrakt – Ovaj rad predstavlja model dubokog učenja koji omogućava brzo i precizno postavljanje dijagnoze tuberkuloze na osnovu rendgenskih snimaka pluća. Razvijeni model koristi konvolutivnu neuronsku mrežu koja omogućava automatsku klasifikaciju snimaka u jednu od dvije kategorije: Normalno ili Tuberkuloza, sa visokim stepenom tačnosti. Model je postigao tačnost od 97.55% na testnom skupu podataka, što ukazuje na njegov potencijal da otvori nove perspektive za medicinske stručnjake u uspostavljanju dijagnoze tuberkuloze. Ovaj model može značajno ubrzati dijagnostički proces, smanjiti opterećenje medicinskog osoblja i povećati njihovu produktivnost u borbi protiv tuberkuloze, jedne od najčešćih plućnih bolesti.
Na IT2025 IEEE konferenciji na Žabljaku, istraživači sa Univerziteta Donja Gorica predstavili su studiju o kloniranju glasa i tehnologiji pretvaranja teksta u govor (TTS) za očuvanje kulturnog naslijeđa. Njihovo istraživanje upoređivalo je najsavremenije AI modele, uključujući kloniranje glasa u realnom vremenu (RVC), kornjaču AI, Bark i Coqui AI, kako bi procijenili kako mali, visokokvalitetni skupovi podataka mogu proizvesti točniji i prirodniji govor od velikih, nestrukturiranih. Studija naglašava potencijal AI u očuvanju crnogorskog jezika i usmene tradicije, omogućavajući stvaranje audio knjiga, digitalnih arhiva i interaktivnih iskustava. Ovo istraživanje utire put pristupačnijim obrazovnim resursima i poboljšanom kulturnom angažmanu koristeći sintezu govora vođenu umjetnom inteligencijom.
ABSTRACT – This research presents a comparative analysis of modern voice cloning systems, focusing on their ability to generate high-quality speech from limited training data. The paper aims to demonstrate that carefully curated smaller datasets can produce superior results to larger, less structured datasets. The investigation of multiple state-of-the-art models, including Realtime Voice Cloning (RVC), Tortoise AI, Bark, and Coqui AI, establishes optimal data preparation protocols and identifies critical factors in training data quality, with particular emphasis on applications for the Montenegrin language and cultural preservation.
Na IEEE IT2025 konferenciji na Žabljaku, istraživači sa Univerziteta Donja Gorica predstavili su svoje najnovije istraživanje o primjeni vještačke inteligencije (AI) u dijagnostici raka dojke. Istraživanje se bavi upotrebom modela dubokog učenja, ResNet152 i DenseNet121, za analizu mamografskih snimaka. Pored kliničkih rezultata, studija naglašava značaj korišćenja računarske infrastrukture visokih performansi (HPC) za optimizaciju obuke i evaluacije modela. Prenošenjem eksperimentalne postavke na HPC resurse, otvaraju se putevi za brže razvojne cikluse, istraživanje složenijih arhitektura i skalabilnost za primjenu u stvarnim uslovima.
Abstrakt – Vještačka inteligencija brzo unapređuje medicinu pružajući inovativne pristupe dijagnostici bolesti, tretmanu i istraživanju. Ova studija istražuje primjenu vještačke inteligencije u dijagnostici raka dojke, fokusirajući se na upotrebu konvolutivnih neuronskih mreža i dubokog učenja za analizu mamografskih snimaka. Modeli ResNet152 i DenseNet121 korišćeni su za klasifikaciju malignih promjena, pri čemu su ostvareni AUC rezultati veći od 0.9, što potvrđuje njihovu kliničku korisnost. Istraživanje ističe kako vještačka inteligencija može poboljšati efikasnost skrininga, ubrzati dijagnostičke procese i omogućiti personalizovane pristupe liječenju. Takođe su analizirani etički aspekti, uključujući bezbjednost pacijenata i transparentnost AI sistema. Nalazi ukazuju na potencijal vještačke inteligencije da transformiše dijagnostičke procedure za rak dojke i naglašavaju značaj daljih istraživanja radi integracije ovih tehnologija u kliničku praksu.
Kompanija Uhura Solutions razvija AI platformu za automatizaciju procesa zasnovanih na dokumentima u sektoru finansijskih usluga. Projekat „Generative AI Intelligent Process Automation Platform – GAIPAP“ predstavlja transformacionu inicijativu sa ciljem revolucionisanja finansijske industrije putem naprednih AI rješenja koja kombinuju mogućnosti velikih jezičkih modela (LLM), low-code razvoja i automatizovanih poslovnih tokova. Ova jedinstvena sinergija tehnologija ima potencijal da značajno unaprijedi operativnu efikasnost, smanji troškove i poboljša korisničko iskustvo u finansijskom sektoru.
Posebna vrijednost platforme leži u upotrebi prilagođenih velikih jezičkih modela koji su fino podešeni za specifične potrebe finansijskog sektora – jezik, kontekst i obrasce. To omogućava isporuku preciznijih i relevantnijih uvida u poređenju sa generičkim AI rješenjima. Dodatno, platforma omogućava skalabilnost, uvid u podatke u realnom vremenu, poboljšanje korisničkog iskustva i brzu implementaciju kroz low-code okruženje za razvoj i automatizovane poslovne tokove, čime se skraćuje vrijeme izlaska na tržište i povećava konkurentska prednost.
Projekat koristi open-source Python biblioteke i unaprijed trenirane LLM modele, koji se dodatno fino podešavaju na privatnom skupu podataka kreiranom od strane tima, sa ciljem rješavanja specifičnih zadataka u finansijskom sektoru. Korišćenje superračunara Leonardo omogućilo je značajan iskorak u treniranju LLM modela, prelazak sa 1B na 7B i veće modele. Trenutna faza projekta fokusira se na istraživanje i optimizaciju LLM-a, uključujući podešavanje hiperparametara, kvantizaciju i redukciju modela, kao i efikasno fino podešavanje modela (PEFT). Posebna pažnja posvećena je i predobradi podataka, uključujući filtriranje po kvalitetu, deduplikaciju i uklanjanje osjetljivih podataka.
Projekat, koji razvija i vodi Uhura Solutions, nagrađen je sa 4.500 nod sati GPU resursa (8x64GB) na Leonardo Buster HPC sistemu, u trajanju od 12 mjeseci.
Kako je i planirano, naš projekat AI-AGE unapređuje infrastrukturu za računare visokih performansi (HPC) kako bi podržao istraživanja zasnovana na vještačkoj inteligenciji (AI) u oblasti biomarkera starenja u medicinskim primjenama. Ova inicijativa će omogućiti našem timu pristup savremenim resursima i unaprijediti naše kapacitete za analizu podataka i razvoj prediktivnih modela. Da bismo odgovorili na zahtjeve složenih AI računanja, uz podršku AI-AGE projekta nadograđujemo postojeću HPC konfiguraciju moćnim računarskim čvorom. Novi dodatak uključuje rack računarski čvor opremljen sa 48 CPU jezgara, 128 GB RAM-a, NVIDIA L40 GPU (48 GB), i 2×480 GB internim SSD diskovima. Pored toga, projekat je omogućio NAS skladište kapaciteta 24 TB (više diskova sa RAID-om), namijenjeno za upravljanje datasetovima. Ova nadogradnja infrastrukture pažljivo je integrisana sa postojećom opremom, čime se značajno proširuju naši računski i skladišni kapaciteti i ostvaruje visoka vrijednost za uložena sredstva.
New computing infrastructure supported by the AI-AGE project as planned
Projekat AI-AGE, koji podržava Ministarstvo prosvjete, nauke i inovacija, realizuje se kroz saradnju Fakulteta za informacione sisteme i tehnologije Univerziteta Donja Gorica i Medicinskog fakulteta Univerziteta Crne Gore. In-house HPC infrastruktura je rezultat međuprojektske saradnje sa projektom HPC4S3ME (IPA program), a oba projekta se realizuju uz podršku EUROCC NCC Crna Gora. Glavni cilj laboratorije je da istraživačima omogući direktno iskustvo sa fizičkom opremom na raspolaganju, dok ćemo za kompleksnije zadatke podnositi aplikacije za korišćenje računarskog vremena na superračunarima EU.
