Category: Potvrda koncepta

Posted on

Master rad: Evaluacija sintetičkih podataka o mentalnom zdravlju generisanih velikim jezičkim modelima

Dana 30. 10. 2026. godine, kandidatkinja Sara Đurović odbranila je master rad pod nazivom „Evaluacija sintetičkih skupova podataka o mentalnom zdravlju generisanih velikim jezičkim modelima“, u okviru master studija Informacione tehnologije (modul Softverski inženjering) na Fakultetu za informacione sisteme i tehnologije Univerziteta Donja Gorica, pod mentorstvom prof. dr Toma Popovića i komentorstvom dr Stevana Čakića.

Istraživački i eksperimentalni dio rada djelimično je realizovan uz podršku Nacionalnog centra kompetencija za računarstvo visokih performansi Crne Gore (NCC Montenegro), kroz HPC infrastrukturu i ekspertsku podršku u okviru projekta EuroCC3. Podrškom akademskim istraživanjima i razvoju kompetencija u oblastima AI i HPC tehnologija, NCC Montenegro doprinosi unapređenju primjene naprednih računarskih tehnologija u obradi prirodnog jezika i odgovornom razvoju vještačke inteligencije.

Tok istraživanja i evaluacioni okvir rada (Izvor: Sara Đurović, master rad, 2026).

Rad istražuje kako se može procijeniti kvalitet i istraživačka upotrebljivost sintetičkog teksta generisanog velikim jezičkim modelima, na primjeru dnevničkih zapisa o mentalnom zdravlju kao osjetljivog domena u kojem je pristup stvarnim podacima ograničen, sa fokusom na višedimenzionalni evaluacioni okvir umjesto oslanjanja na jednu metriku kvaliteta.

APSTRAKT – Ovaj master rad predstavlja metodološku evaluaciju kvaliteta i istraživačke upotrebljivosti tri sintetička skupa dnevničkih zapisa o mentalnom zdravlju, nastala kroz radne procese zasnovane na modelima GPT-5.5, Claude Sonnet 4.6 i Gemini 3.1 Pro. Svaki skup obuhvata 1.000 unosa u 100 dnevnika, sa zajedničkom shemom podataka i ko-generisanim oznakama, pri čemu se dnevnik tretira kao jedinica statističke nezavisnosti. Evaluacija je obuhvatila cluster-aware permutacionu inferenciju uz Benjamini-Hochberg korekciju, poređenje sa ljudskim referentnim korpusom (SemEval-2026 Task 2) testom klasifikatora nad dva uzorka, eksperimente prenosa između skupova podataka, poređenje TF-IDF i RoBERTa modela, te zero-shot transfer mmBERT reprezentacija između uparenog engleskog i crnogorskog teksta. Skupovi su se statistički razlikovali kod sedam od devet oznaka, a sintetički tekst ostao je jasno razdvojiv od ljudskog i nakon kontrole dužine teksta (balansirana tačnost 0,9855–0,9942). Svih 30 poređenja između skupova pokazalo je pad performansi (26,04%–84,99%), dok je RoBERTa ostvarila viši macro-F1 od TF-IDF modela (0,7872 naspram 0,7118). Rezultati pokazuju da skupovi omogućavaju kontrolisane eksperimente, ali nijesu distribuciono zamjenjivi, te da kvalitet sintetičkih podataka zahtijeva višedimenzionalnu evaluaciju, a ne jednu metriku. Rezultati ne uspostavljaju kliničku validnost oznaka niti rangiraju generatore po kvalitetu.

Posted on

Master rad: Modeli kompjuterske vizije za segmentaciju tumora jetre

Dana 21. oktobra 2026. godine, kandidatkinja Ida Mušović završila je master rad pod nazivom „Razvoj predikcionih modela zasnovanih na kompjuterskoj viziji za ranu dijagnostiku tumora jetre“, u okviru master programa Vještačka inteligencija na Fakultetu za informacione sisteme i tehnologije Univerziteta Donja Gorica, pod mentorstvom prof. dr Toma Popovića.

Istraživački i eksperimentalni dio rada djelimično je realizovan uz podršku Nacionalnog centra kompetencija za računarstvo visokih performansi Crne Gore (NCC Montenegro), kroz HPC infrastrukturu i ekspertsku podršku u okviru projekta EuroCC3. Podrškom akademskim istraživanjima i razvoju kompetencija u oblastima AI i HPC tehnologija, NCC Montenegro doprinosi unapređenju primjene naprednih računarskih tehnologija u zdravstvu.

Primjeri CT snimaka i maski anatomske segmentacije generisanih primjenom TransUNet modela (Izvor: Ida Mušović, master rad, 2026).

Rad istražuje primjenu dubokog učenja i kompjuterske vizije za automatsku segmentaciju tumora jetre na CT snimcima, sa fokusom na poređenje konvolucionih, hibridnih i transformatorskih arhitektura u računarski podržanoj analizi medicinskih slika.

APSTRAKT – Ovaj master rad predstavlja razvoj i uporednu evaluaciju tri arhitekture dubokog učenja — U-Net, TransUNet i SegFormer — za automatsku segmentaciju tumora jetre na CT snimcima. Korišćenjem javno dostupnog skupa podataka Liver Tumor Segmentation (LiTS) i pristupa zasnovanog na 2,5D obradi slika, performanse modela procijenjene su pomoću Dice koeficijenta i metrike presjeka kroz uniju (IoU), uz dodatnu analizu uspješnosti u zavisnosti od veličine tumorskih lezija. SegFormer je ostvario najbolji ukupni Dice rezultat (82,86%) za segmentaciju tumora, iako razlike među arhitekturama na nivou pacijenata nijesu bile statistički značajne. Istraživanje je pokazalo i da veličina lezije značajno utiče na preciznost segmentacije, pri čemu manje lezije predstavljaju veći izazov. Rezultati ukazuju na potencijal kompjuterske vizije kao podrške analizi medicinskih slika, uz potrebu za dodatnom validacijom prije kliničke primjene.

Posted on

Odbrana master rada: Generisanje i evaluacija ispitnih pitanja pomoću LLM modela i HPC infrastrukture

Dana 21. oktobra 2026. godine, kandidatkinja Sara Kovačević uspješno je odbranila master rad pod nazivom „Generisanje i evaluacija kvaliteta ispitnih pitanja pomoću velikih jezičkih modela i HPC infrastrukture“ na Fakultetu za informacione sisteme i tehnologije Univerziteta Donja Gorica (UDG), u okviru master programa Vještačka inteligencija. Mentor rada bio je prof. dr Tomo Popović. Istraživanje je dijelom realizovano uz podršku NCC Montenegro u okviru projekta EuroCC3, uključujući korišćenje HPC infrastrukture i podršku eksperimentalnom radu. Rad demonstrira mogućnosti kombinovanja generativne vještačke inteligencije i računarstva visokih performansi za pripremu i evaluaciju obrazovnih materijala, sa posebnim osvrtom na crnogorski jezik.

Sara Kovacevic tokom odbrane njene Master teye

APSTRAKT – U okviru master rada razvijen je i evaluiran automatizovani sistem za generisanje ispitnih pitanja iz video predavanja primjenom velikih jezičkih modela (LLM). Sistem obuhvata automatsku transkripciju predavanja, izdvajanje ključnih pojmova, generisanje pitanja višestrukog izbora i kratkih odgovora, kao i automatizovanu evaluaciju njihovog kvaliteta. Istraživanje je obuhvatilo devet konfiguracija LLM modela na engleskom i crnogorskom jeziku, uz korišćenje lokalnih računarskih resursa, HPC klastera UDG-a i API servisa za inferenciju.

Evaluacija je kombinovala jezičke i strukturne metrike, Bloomovu taksonomiju i LLM-as-Judge pristup za procjenu kvaliteta generisanih pitanja. Rezultati su ukazali na izazove primjene manjih jezičkih modela pri generisanju obrazovnog sadržaja na crnogorskom jeziku, dok su veći modeli ostvarili konzistentnije rezultate. Eksperimenti na HPC klasteru UDG-a pokazali su ubrzanje GPU inferencije od 17,9 puta u odnosu na CPU za isti model.

Istraživanje ukazuje na potencijal primjene AI i HPC tehnologija kao podrške nastavnicima u pripremi materijala za provjeru znanja, uz naglašenu potrebu za nastavničkom kontrolom kvaliteta i dodatnom pedagoškom validacijom prije praktične primjene.

Posted on

Odbrana master rada: Objašnjiva vještačka inteligencija u procjeni rizika od dijabetesa tipa 2

Dana 21. oktobra 2026. godine, kandidatkinja Sanja Lazić uspješno je odbranila master rad pod naslovom „Interpretabilni modeli mašinskog i dubokog učenja za predikciju rizika od dijabetesa tipa 2 na osnovu bihejvioralnih i kliničkih indikatora“, na master studijskom programu Vještačka inteligencija Fakulteta za informacione sisteme i tehnologije Univerziteta Donja Gorica, pod mentorstvom prof. dr Toma Popovića.

Istraživački i eksperimentalni dio rada djelimično je realizovan uz podršku Nacionalnog centra kompetencija za visokoperformansno računarstvo Crne Gore (NCC Montenegro), kroz HPC infrastrukturu i ekspertizu u okviru projekta EuroCC3, uz dodatnu istraživačku podršku projekta AI-AGE. Kroz podršku akademskim istraživanjima, mentorstvu i razvoju kompetencija, NCC Montenegro doprinosi jačanju primjene naprednih AI i HPC tehnologija u zdravstvu i drugim naučnim oblastima.

Sanja Lazić tokom odbrane master rada

Master rad istražuje primjenu mašinskog i dubokog učenja, kao i metoda objašnjive vještačke inteligencije, u procjeni rizika od dijabetesa tipa 2, sa posebnim osvrtom na prediktivne performanse, pouzdanost i interpretabilnost modela. Istraživanje takođe demonstrira mogućnosti primjene AI modela u preventivnoj zdravstvenoj zaštiti, kroz procjenu rizika zasnovanu na podacima prikupljenim putem upitnika, bez potrebe za laboratorijskim analizama.

APSTRAKT – U radu je predstavljen razvoj i sistematska evaluacija modela mašinskog i dubokog učenja za procjenu rizika od dijabetesa tipa 2 na osnovu bihejvioralnih, kliničkih i demografskih indikatora. Istraživanje je obuhvatilo 253.680 zapisa i poređenje pet modela: logističke regresije, Random Forest, XGBoost, LightGBM i duboke neuronske mreže. Performanse su analizirane kroz diskriminativnost, kalibraciju procijenjenih vjerovatnoća i interpretabilnost. Duboka neuronska mreža ostvarila je najveću ROC-AUC vrijednost (0,7728), dok je LightGBM pokazao najuravnoteženije ukupne performanse. Za objašnjenje predikcija primijenjene su metode TreeSHAP, integrisani gradijenti i DeepLIFT SHAP. Razvijen je i prototip web aplikacije koji demonstrira prikaz procijenjenog rizika i faktora koji su doprinijeli pojedinačnim predikcijama.

Rezultati ukazuju na potencijal objašnjive vještačke inteligencije za podršku neinvazivnoj procjeni rizika i preventivnom skriningu, uz naglašavanje značaja pouzdanosti i transparentnosti modela, kao i potrebe za dodatnom validacijom prije njihove kliničke primjene.

Posted on

Razvoj podržan EuroHPC resursima unapređuje AI transkripciju predavanja na crnogorskom jeziku

Rezultati razvoja realizovanog u okviru Proof of Concept projekta Exams 4.0, uz podršku Fonda za inovacije Crne Gore i korišćenje EuroHPC računarskih resursa, predstavljeni su na međunarodnoj konferenciji SAMYRAD 2026 u Sevilji, Španija.

Naučno-stručni rad „Whisper-Based Lecture Transcription for Montenegrin Higher Education with a Practical Evaluation“ predstavljen je na međunarodnoj konferenciji Smart Algorithms & Models: Your Reach to Advanced Dialogues (SAMYRAD 2026), održanoj 5–6. oktobra 2026. godine u Sevilji, Španija.

Autori rada, Stevan Čakić, Tomo Popović, Srđan Krčo i Igor Čulafić, istraživali su mogućnosti primjene OpenAI Whisper modela za automatsku transkripciju univerzitetskih predavanja na crnogorskom jeziku, koji nije direktno podržan ovim modelom.

Istraživanje je obuhvatilo evaluaciju tri varijante Whisper modela i tri jezička podešavanja zasnovana na srodnim južnoslovenskim jezicima, korišćenjem 30 univerzitetskih predavanja u ukupnom trajanju od gotovo 38 sati. U okviru eksperimenata generisano je 4.860 transkripata, pri čemu je za obimnu računarsku obradu korišćen EuroHPC superračunar LUMI u Finskoj.

Rezultati su pokazali da je varijanta Whisper turbo najpogodnija među testiranim modelima u pogledu konzistentnosti transkripcije, procijenjenog kvaliteta teksta i brzine obrade. Istraživanje je pružilo i praktične preporuke za obradu snimaka univerzitetskih predavanja na crnogorskom jeziku.

Klikni na sliku za link do konferencije

Autori rada, Stevan Čakić, Tomo Popović, Srđan Krčo i Igor Čulafić, istraživali su mogućnosti primjene OpenAI Whisper modela za automatsku transkripciju univerzitetskih predavanja na crnogorskom jeziku, koji nije direktno podržan ovim modelom.

Razvoj i eksperimenti su obuhvatili evaluaciju tri varijante Whisper modela i tri jezička podešavanja zasnovana na srodnim južnoslovenskim jezicima, korišćenjem 30 univerzitetskih predavanja u ukupnom trajanju od gotovo 38 sati. U okviru eksperimenata generisano je 4.860 transkripata, pri čemu je za obimnu računarsku obradu korišćen EuroHPC superračunar LUMI u Finskoj.

Rezultati su pokazali da je varijanta Whisper turbo najpogodnija među testiranim modelima u pogledu konzistentnosti transkripcije, procijenjenog kvaliteta teksta i brzine obrade. Istraživanje je pružilo i praktične preporuke za obradu snimaka univerzitetskih predavanja na crnogorskom jeziku.

Dobijeni rezultati već su primijenjeni u razvoju novog modula za transkripciju predavanja u okviru platforme Exams 4.0, koji omogućava nastavnicima da audio i video snimke pretvore u tekst koji se zatim može koristiti za AI-potpomognutu pripremu nastavnih materijala i ispitnih pitanja.

Istraživanje je realizovano u okviru Proof of Concept projekta Exams 4.0, koji sprovodi kompanija DigitalSmart u saradnji sa Univerzitetom Donja Gorica, uz finansijsku podršku Fonda za inovacije Crne Gore.

HPC Montenegro (Nacionalni centar kompetencija za HPC u Crnoj Gori) pružio je podršku istraživačkom timu u obezbjeđivanju pristupa evropskim superračunarskim resursima kroz EuroHPC JU Development Access program (oznaka projekta: EHPC-DEV-2024D12-018). Računarski eksperimenti realizovani su na superračunaru LUMI, kojim upravljaju CSC u Finskoj i LUMI konzorcijum.

Ovo istraživanje predstavlja primjer kako pristup evropskoj HPC infrastrukturi može doprinijeti primijenjenim istraživanjima u oblasti vještačke inteligencije, podsticanju inovacija u visokom obrazovanju i razvoju digitalnih alata prilagođenih manjim i nedovoljno zastupljenim jezicima.

Posted on

Istraživanje o primjeni AI za preporuku premium internet domena objavljeno u časopisu IEEE Access

Novi naučni rad pod nazivom „Premium Domain Name Recommendation via Semantic Retrieval and Reranking of Fixed Aftermarket Inventories“ objavljen je u međunarodnom naučnom časopisu IEEE Access. Autori rada su Milutin Pavićević, Tomo Popović, Srđan Krčo i Miodrag Vujković, sa Univerziteta Donja Gorica (UDG) i iz kompanije DunavNET.

Istraživanje se bavi izazovom preporuke odgovarajućih premium internet domena iz velikih kolekcija već registrovanih domena ponuđenih za preprodaju. Istraživači su razvili i evaluirali pristup koji kombinuje velike jezičke modele (LLM), semantičke vektorske reprezentacije, pretragu korišćenjem biblioteke FAISS i različite metode rangiranja preporuka. Eksperimenti su sprovedeni na uzorku od 30.000 domena iz kolekcije od gotovo 700.000 premium domena, uz evaluaciju u kojoj su učestvovala 22 stručnjaka iz industrije i 180 studenata. Rezultati su pokazali potencijal semantičke pretrage za unapređenje preporuka domena, uz balansiranje relevantnosti, raznovrsnosti preporuka i računarskih troškova.

Klikni na sliku za pristup radu

Istraživanje ima i značajan potencijal za primjenu u industriji. Alicorn, softverska kompanija iz Crne Gore specijalizovana za razvoj rješenja za industriju internet domena, već razvija tehnologije za inteligentnu preporuku domena zasnovane na vještačkoj inteligenciji, uključujući platformu Name Sentinel. Metode istražene u ovom radu mogle bi doprinijeti daljem unapređenju takvih rješenja, posebno kroz efikasniju semantičku pretragu i kvalitetniju preporuku premium domena.

Istraživanje predstavlja još jedan primjer istraživanja i inovacija podržanih kroz evropske inicijative i povezanih sa aktivnostima HPC Montenegro (NCC Montenegro), koje doprinose razvoju kompetencija u oblasti vještačke inteligencije i jačanju saradnje akademskog i poslovnog sektora.

Pročitajte naučni rad: IEEE Access – DOI: 10.1109/ACCESS.2026.3740779

Posted on

Istraživanje AI-AGE projekta pokazuje potencijal u otkrivanju kolorektalnog karcinoma analizom slika mrežnjače

Novi naučni rad, nastao u okviru istraživačkog projekta AI-AGE, koji zajednički realizuju Univerzitet Donja Gorica (UDG) i Univerzitet Crne Gore, objavljen je u međunarodnom časopisu Current Medical Imaging. Rad pod nazivom „Deep Learning Discrimination of Colorectal Cancer using Retinal Fundus Photographs: UK Biobank Case-Control Study“ istražuje mogućnosti primjene vještačke inteligencije (AI) za prepoznavanje karakteristika snimaka mrežnjače povezanih sa kolorektalnim karcinomom.

Koristeći 1.600 snimaka mrežnjače iz baze UK Biobank, istraživači su razvili model dubokog učenja zasnovan na arhitekturi EfficientNet-B3, koji je ostvario AUROC vrijednost od 0,945 na nezavisnom testnom skupu, uz razdvajanje podataka na nivou ispitanika. Rezultati ukazuju na to da snimci mrežnjače mogu sadržati korisne informacije o sistemskim oboljenjima, otvarajući mogućnosti za razvoj budućih neinvazivnih metoda skrininga i procjene rizika. Ipak, prije eventualne primjene u kliničkoj praksi neophodna su dodatna istraživanja i validacija.

Klikni na sliku da otvoriš publikaciju

Ovo istraživanje predstavlja značajan rezultat projekta AI-AGE i potvrđuje rastući potencijal primjene naprednih AI metoda u biomedicinskim istraživanjima u Crnoj Gori. Projekat ostvaruje sinergiju sa aktivnostima HPC Montenegro (NCC Montenegro) i EuroCC inicijativama, koje doprinose razvoju nacionalnih kapaciteta i kompetencija u oblasti računarstva visokih performansi (HPC), analize podataka i vještačke inteligencije. Ova saradnja doprinosi jačanju istraživačke infrastrukture i stručnih kapaciteta potrebnih za razvoj računarski zahtjevnih AI rješenja u medicini.

Projekat AI-AGE zajednički realizuju Fakultet za informacione sisteme i tehnologije Univerziteta Donja Gorica i Medicinski fakultet Univerziteta Crne Gore, uz finansijsku podršku Ministarstva prosvjete, nauke i inovacija Crne Gore.

Više informacija:

Proudly powered by WordPress