Category: Publikacije

Dana 29. juna 2026. godine, kandidat Nikola Kavarić uspješno je odbranio master rad pod nazivom „Sinergija računarske vizije i obrade prirodnog jezika u dijagnostici i edukaciji o tuberkulozi“, u okviru master programa Vještačka inteligencija na Univerzitetu Donja Gorica. Kroz podršku programu, mentorski rad i razvoj kompetencija u oblastima vještačke inteligencije i računarstva visokih performansi, NCC Montenegro doprinosi osposobljavanju mladih istraživača za razvoj interdisciplinarnih AI rješenja u medicini. Rad istražuje kombinovanje računarske vizije i Retrieval-Augmented Generation pristupa za detekciju znakova tuberkuloze i edukativno objašnjenje medicinskih nalaza.

APSTRAKT – Cilj ovog rada je razvoj i evaluacija sistema koji kombinuje računarsku viziju i Retrieval-Augmented Generation (RAG) modele u svrhu automatske detekcije znakova tuberkuloze na rendgenskim snimcima pluća i edukativnog objašnjenja nalaza. Polazna hipoteza bila je da je moguće razviti funkcionalan prototip koji prepoznaje patološke promjene na snimcima i generiše informativne odgovore korisniku zasnovane na medicinskoj literaturi. U okviru istraživanja razvijeni su i evaluirani CNN model za binarnu klasifikaciju i YOLO modeli za lokalizaciju patoloških promjena. CNN model postigao je tačnost od 97% na testnom skupu, što predstavlja solidan i mjerljiv doprinos. YOLO modeli su adekvatno demonstrirali koncept lokalizacije, uz određena ograničenja vezana za veličinu i neravnotežu skupa podataka. Pored vizuelnog modula, implementiran je i RAG prototip koji koristi lokalnu bazu medicinskih dokumenata za generisanje odgovora na korisničke upite. Integracija je realizovana na nivou prototipa, bez kliničke validacije. Na osnovu dobijenih rezultata, hipoteza je djelimično potvrđena — u značajnoj mjeri za CNN klasifikacionu komponentu u okviru korišćenog testnog skupa, dok YOLO i RAG komponente, zbog ograničenja skupa podataka i nedostatka ekspertski verifikovanih referentnih odgovora, treba tretirati kao demonstraciju koncepta. Rad pokazuje da modularna kombinacija ovih tehnologija može biti korisna osnova za razvoj edukativnih alata u oblasti medicinske dijagnostike.

Dana 29. juna 2026. godine, kandidatkinja Anesa Abazović uspješno je odbranila master rad pod nazivom „Mašinsko učenje i kreiranje AI modela za primjene u medicini“, u okviru master programa Vještačka inteligencija na Univerzitetu Donja Gorica. Kroz podršku programu, mentorski rad i razvoj kompetencija u oblastima vještačke inteligencije i računarstva visokih performansi, NCC Montenegro doprinosi osposobljavanju mladih istraživača za primjenu naprednih AI metoda u medicini i drugim oblastima od društvenog značaja. Rad istražuje primjenu mašinskog i dubokog učenja u analizi medicinskih slika i kliničkih podataka, uz razmatranje tehničkih, etičkih i praktičnih izazova primjene AI sistema u zdravstvu.

APSTRAKT – Ovaj rad istražuje mogućnosti primjene modela mašinskog (ML) i dubokog učenja (DL) u detekciji raka jajnika i predikciji pneumonije. U prvom dijelu korišćen je YOLO model za prepoznavanje tumorskih promjena na medicinskim slikama, dok su u drugom dijelu primijenjeni modeli XGBoost, Random Forest i neuronske mreže za klasifikaciju kliničkih podataka. Performanse modela procjenjivane su metrikama kao što su preciznost, osjetljivost, tačnost, specifičnost, F1-score, ROC-AUC, MCC, mAP50 i mAP50-95. Eksperimentalna analiza pokazala je da AI modeli mogu ostvariti obećavajuće performanse u oba klinička scenarija, uz određena ograničenja koja zahtijevaju dalju validaciju. Pored tehničkih aspekata, razmatrana su i etička pitanja povezana sa interpretabilnošću, privatnošću podataka i integracijom AI sistema u zdravstvene informacione sisteme. Zaključuje se da AI može predstavljati značajnu podršku savremenoj dijagnostici, uz potrebu za daljim unapređenjem i kliničkom validacijom.