Trenowanie modeli dla potrzeb audiologii, foniatrii, okulistyki i

Celem projektu jest przeprowadzenie obliczeniowo intensywnych eksperymentów związanych z trenowaniem i ewaluacją modeli sztucznej inteligencji (w tym modeli głębokiego uczenia i modeli generatywnych) wykorzystywanych w audiologii, foniatrii, okulistyce i neurologii. Badania obejmą m.in.:

modelowanie percepcji dźwięku oraz analizę sygnałów słuchowych (np. ABR, ASSR, sygnały elektrofizjologiczne),

trenowanie modeli do analizy i syntezy mowy, w tym estymacji parametrów głosu, klasyfikacji zaburzeń fonacyjnych i diarystyki mowy,

rozwój modeli do przetwarzania i segmentacji obrazów biomedycznych (np. obrazowania siatkówki, obrazowania okulistycznego, MRI/DTI),

badania nad multimodalnymi modelami łączącymi sygnały akustyczne, neurofizjologiczne i obrazowe,

trenowanie i testowanie dużych modeli neuronowych (LLM, AudioLM, Vision Transformers), wymagających zasobów GPU/TPU klasy HPC.

Planowane obliczenia charakteryzują się dużym zapotrzebowaniem na zasoby GPU, pamięć operacyjną oraz szybki dostęp do dysków równoległych. W ramach projektu przewidywane jest prowadzenie serii eksperymentów hiperparametrycznych, trenowanie modeli od zera oraz transfer learning na dużych zbiorach danych (≥1–10 TB).

Wyniki grantu zostaną wykorzystane w badaniach interdyscyplinarnych prowadzonych w obszarach audiologii, foniatrii, okulistyki i neurologii, wspierając m.in. projekty związane z modelowaniem percepcji słuchowej, analizą sygnałów neurofizjologicznych oraz medycznym przetwarzaniem obrazu.