Információk

Kiadvány


A kiadványt az alábbi linkre kattintva tekinthetik meg.
Kiadvány megnyitása

Program

A konferencia programja a korábbi évekhez hasonlóan plenáris- és diákelőadásokból, illetve poszterszekciókból fog állni.
Program letöltése

Plenáris előadók

Dr. Galata Dorián

Mesterséges intelligencia alkalmazásai automatizált gyógyszeripari minőségellenőrzésben

A társadalom gyógyszeripar felé támasztott egyik legfontosabb elvárása, hogy a betegek számára mindig kifogástalan minőségű készítmények álljanak rendelkezésre. Jelenleg a gyógyszeripari gyártásban a minőséget kis számú mintavételen alapuló, lassú és roncsolásos analitikai eljárásokkal ellenőrzik. Ezek nem teszik lehetővé a folyamatok valós időben történő követését és a fellépő zavarások után a gyors beavatkozást. A mesterséges intelligencia fejlődésével azonban már rendelkezésre állnak olyan algoritmusok, amik fel tudják dolgozni valós időben működő szenzorok, például kamerák adatait. Az ilyen megoldásoknak köszönhetően a jövőben a gyártóknak és a pácienseknek sem kell majd aggódni amiatt, hogy rossz minőségű termék keletkezik, mivel a gyártósor automatikusan felismeri majd ezeket és be is avatkozik, megszüntetve a probléma forrását.

Dr. Horváth Péter

Élet a pixelek mögött: daganat és víruskutatás mesterséges intelligenciával

Előadásomban áttekintést adok a nagyléptékű fénymikroszkópos kísérletek egysejt szintű feldolgozásának számítástechnikai lépéseiről. Először egy új mikroszkópos képkorrekciós eljárást mutatok be, mely kijavítja a nem egyenletes megvilágításból származó képi hibákat, így támogatva a fényintenzitás alapú mérések helyességét. Ezután új, differenciál geometriára, energia-minimalizációs módszerekre és mesterséges intelligenciára alapuló egysejt szegmentálási módszereket ismertetek. Bemutatom az Advanced Cell Classifier (ACC) gépi tanulási szoftvert, melyet azért fejlesztettünk, hogy a képi jellemzőkből származó információ felhasználásával sejtes fenotípusokat azonosítsunk. Az ACC egy olyan interaktív felületet biztosít, mely segítségével a felhasználók hatékonyan képesek intelligens algoritmusokat sejtek automatikus fenotipizálására tanítani. Azon esetekre, ahol nem lehetséges diszkrét fenotípus kategóriák létrehozása, bemutattunk egy multi-parametrikus regresszión alapuló, eljárást, mely képes biológiai folyamatok elemzésére. A tanulási gyorsaság és a pontosság növelése érdekében egy olyan aktív tanulási sémát dolgoztunk ki, amely kiválasztja a legtöbb információval rendelkező sejtmintákat. A fejlesztett módszerek kombinációit felhasználva különböző egysejt kinyerési stratégiákat mutattunk be. Ismertetem a frissen elért sikeres eredményeinket egysejt DNS és RNS szekvenálás, proteomikai, lipidomikai és célzott elektro-fiziólógiai elemzések területén.

Dr. Höfler Lajos

Gépi tanulási technikák kritikus összehasonlítása kémiai érzékelők adatainak feldolgozásához

A kémiai érzékelők területén kritikus jelentősége van annak, hogy az adatfeldolgozásban használt gépi tanulási módszerek ne csak memorizálják a betanításukra használt példákat, hanem képesek legyenek ismeretlen mintákra általánosítani is. Erre azért van szükség, mert csak általánosítással garantálható az ismeretlen minták kémiai tulajdonságainak vagy koncentrációszintjeinek pontos előrejelzése. Különböző gépi tanulási algoritmusok hatékonyságát vizsgáltuk nemlineáris érzékelő-adatok felhasználásával, kiemelve a modell értelmezhetőségének jelentőségét a pontos eredmények biztosításában. Mivel egyre több kutatócsoport használja ki a gépi tanulási technikák előnyeit analitikai módszereik pontosságának növelése érdekében, fontos hangsúlyozni a neurális hálózatok korlátait a kémiai érzékelési alkalmazásokban, ahol gyakran nem áll rendelkezésre megfelelő számú adat. Ehelyett ilyen esetekben a szimbolikus regressziós modellek használata ajánlott, mivel ezek kisebb adathalmazok esetén is kiváló pontosságot nyújtanak, és a létrehozott matematikai kifejezéseken keresztül értelmezhetőek a modellek.

Dr. Koncsos Tamás

Mesterséges intelligencia alkalmazások a biotechnológiai modellezésben

A mesterséges intelligencia alkalmazások általános áttekintése mellett ismertetésre kerülnek a bizonytalanság kezelésére alkalmas lágy számítási módszerek úgy, mint felügyelt és nem felügyelt tanítás, megerősítéses tanulás koncepciója. A biomérnöki szakterületen különleges jelentőséggel bírhat az idegsejtek működési elvén alapuló mesterséges neuronhálózatok alkalmazása, amely adathalmaz alapján osztályozásra és mintázatfelismerésre képesek: pl. biotechnológiai fejlesztéseknél, gyógyszerhatékonyság, szinergiák klaszterezésénél kapnak fontos szerepet. Következő lépésben a megerősítéses tanulás (reinforcemenet learning) témakörét tárjuk fel, amely virtuális ágensek jutalom alapú evolúcióján alapul: ebben az esetben nincs tanító, a rendszer a környezetéből kapott visszacsatolások alapján építi fel a tudásbázisát. Bemutatásra kerül, hogy a Monopoly, Sakk, robotporszívók, önvezető járművek mesterséges intelligencia modelljei miként kapcsolódnak a biomérnöki és környezetmérnöki területhez, különös tekintette a NEAT, DeepQ learning, Markov folyamatokra. Bemutatása történik egy sajátfejlesztésű döntéstámogatórendszernek, amely eleveniszapos szennyvíztisztító telepek biokinetikai modellezése mellett a levegőztetés, iszaprecirkuláció optimalizációját teszi lehetővé az üzemeltetési költségek figyelembe vétele mellett. Az előadás tematikáját képezi a képfelismerésnél és képgenerálásnál használt módszerek, alkalmazásukkal kapcsolatos tapasztalok bemutatása: konvolúciós neurális hálók, önszervező térképek.

Szalay Kristóf

Mit nem mer elmondani a biokémiakönyved, és hogy jön ehhez az MI?

Közhely, hogy a gyógyszerkutatás hosszú, bonyolult és drága folyamat. Bár a terület rengeteget fejlődött az elmúlt száz évben, még mindig sokszor csak a folyamat végén derül ki, hogy a gyógyszer valójában nem is alkalmas arra, amire készítették. Egyre újabb és újabb módszerekkel egyre több adatot tudunk meg az emberi sejtek belső működéséről, és ezek sok esetben nagyon más képet festenek a biológiáról, mint amit a tankönyvekben látunk. Ennek a megértésében tudhat majd nekünk segíteni a mesterséges intelligencia, de önmagában nem lesz elég. A gyógyszerkutatás kémiai oldalán már vannak bevált modellezési és MI eszközök, ebben az előadásban a biológiai oldal fejlődéséről és lehetőségeiről fogok mesélni.

Határidők

A konferencia jelenléti formában lesz megrendezve. Kérjük kedves jelentkezőket, a regisztrációs csomagok postázásához tartozó űrlapot hagyják figyelmen kívül!

A konferencia jelentkezési díja 20 000 Ft, ami magába foglalja a konferencián való részvételt, a konferencia kiadványt, hozzáférést a konferencia szóbeli és poszter előadások összefoglalóihoz, valamint a közösségi programokat: üdvözlő fogadás, kávészünetek, konferencia vacsora és az ebédek, valamint a péntek esti borkostolót a 2024-es évben.

Ha speciális menüre van igény (gluténmentes, laktózmentes, vegetáriánus, vegán...), azt kérjük, a szaszkonf@gmail.com email címre jelezzék Menüigény tárggyal.

A konferencia időpontja: 2024. április 26-27. (péntek-szombat)

Jelentkezés és absztrakt feltöltése: 2024. április 14. (vasárnap)

Jelentkezési díj befizetése: 2024. április 21. (vasárnap) (az összeg lehetőleg eddig érkezzen meg a bankszámlánkra, a számlázási adatainkat az előlegszámlával küldjük ki e-mailben)

Előadás diasor feltöltési határideje a honlapra: 2024. április 21. (vasárnap)

Poszterek feltöltési határideje a honlapra. 2024. április 21. (vasárnap)

Kérjük a határidők és az absztrakt formai követelményeinek betartását! Ellenkező esetben megfelelő pályamű benyújtása esetén is fenntartja a jogot magának a rendezőség a regisztráció elutasítására.

Amennyiben hosszabb adminisztrációt igénylő egyetemi/pályázati finanszírozás történik, kérjük legalább 1 hónappal a határidő előtt kezdjék el intézni a kifizetést!

Segédanyagok

Az alábbi oldalra kerülnek feltöltésre az alábbi segédanyagok:

A jelentkezéshez szükséges a honlapon való regisztráció után magyar vagy angol nyelvű absztrakt és önéletrajz benyújtása a megadott határidőig. Ezek beadásával válik véglegessé a regisztráció.

Előadás követelmények

  • 11 perc előadás + 4 perc diszkusszió és átállás.
  • Kérjük az előadókat, hogy ne haladják meg a 11 percet!
  • A prezentációkat .ppt vagy .pptx formában kérjük elkészíteni, egyéb formai követelmény nincsen.
  • Az előadásokat április 21. (vasárnap) éjfélig kell feltölteni végleges verzióban a honlapra.
  • Erről az előadók további értesítést kapnak majd.

Poszter követelmények

  • Méret, tájolás: A0 méret, álló elrendezés
  • Ajánlott betűméretek:
    • Cím: 62 pt
    • Alcímek: 46 pt
    • Szerzők: 42 pt
    • Törzsszöveg: 36 pt

Figyelj a képek felbontására! Az ábrákban található feliratok méretének a törzsszöveg betűméretéhez való igazítását javasoljuk.

Poszter-szekciók

Egy poszter szekció áll majd rendelkezésre a poszterek bemutatására, egy a BSc és MSc hallgatóknak, és egy a PhD hallgatóknak. A kiállítónak 5 perce lesz bemutatni poszterét, ez után 5 perc lesz a kérdésekre.

Egy szakmai zsűri tagjai fognak ajánlatot tenni a poszterverseny díjaira.

A szekció várható időpontja 2024. április 26. 16:00-18:30.

Poszter felhelyezése és levétele

A konferencián bemutatott poszterek a honlapon is elérhetőek lesznek.
A posztereket legkésőbb április 21. (vasárnap) éjfélig kell feltölteni végleges .pdf verzióban a honlapra!
Erről a kiállítók további értesítést kapnak majd.

Zsűri

Dr. Fehér Csaba

tanszékvezető-helyettes, egyetemi adjunktus
Budapesti Műszaki és Gazdaságtudományi Egyetem, Alkalmazott Biotechnológia és Élelmiszertudományi Tanszék
Biofinomító Kutatócsoport

Dr. Hornyánszky Gábor

tanszékvezető-helyettes, egyetemi docens dékánhelyettes
Budapesti Műszaki és Gazdaságtudományi Egyetem, Szerves Kémia és Technológia Tanszék
Bioorganikus Kémiai Kutatócsoport

Dr. Pécs Miklós

egyetemi docens
Budapesti Műszaki és Gazdaságtudományi Egyetem, Alkalmazott Biotechnológia és Élelmiszertudományi Tanszék
F-Labor

A konferencia kezdetéig hátralévő idő:


Regisztráció vége:

2024. 04. 15.



Támogatóink: