APPLY SIA īsteno pētniecības projektu Latvijas Atveseļošanas un noturības mehānisma plāna 5.1.r. reformu un investīciju virziena "Produktivitātes paaugstināšana caur investīciju apjoma palielināšanu P&A" 5.1.1.r. reformas "Inovāciju pārvaldība un privāto P&A investīciju motivācija" 5.1.1.2.i. investīcijas "Atbalsta instruments inovāciju klasteru attīstībai" īstenošanas noteikumu kompetences centru ietvaros.

Pētniecības projekta numurs un nosaukums: Nr.2.3 “Seklu un dziļu plaisu detekcija tukšā caurspīdīgā stikla tarā”

Projekts Nr. 5.1.1.2.i.0/1/22/A/CFLA/002

Pētījuma mērķis ir izstrādāt tukšas caurspīdīgas stikla taras plaisu analīzes risinājumu viendabīgas formas un rievainas formas pudelēm. Jau iepriekš izstrādātās stikla taras kvalitātes kontroles iekārtas ietvaros tika identificēts, ka viens no būtiskajiem defektu veidiem ir dziļas un seklas plaisas, taču to redzamības apstākļi būtiski atšķiras no pārējo defektu veidu redzamības konfigurācijas. Līdz ar to, lai nodrošinātu pilnu stikla taras analīzes inspekciju, iekļaujot visus industrijā būtiskos defektus, ir nepieciešamība izstrādāt atsevišķu moduli plaisu analīzei, kas vienkārši integrējams esošajā stikla taras kvalitātes kontroles sistēmā. Šāda pieeja pētniecības ietvaros ļauj vienkārši papildināt esošo stikla taras kvalitātes kontroles iekārtu to būtiski nepārbūvējot, bet papildus uzstādot nelielu modulāru iekārtu, kas veic plaisu analīzi.

Pētījuma ietvaros plānots veikt:

• defektu kopas ievākšanu;
• plaisu analīzi dažādās pudeles zonās un reljefos;
• modelēt un izstrādāt plaisu analīzes prototipa iekārtu;
• izstrādāt metodoloģiju datu sagatavošanai, neironu tīklu modeli un algoritmu kopu plaisu analīzei.

Pētījuma ietvaros plānots sasniegt:

• fiziski strādājošu prototipa iekārtu plaisu vizuālai analīzei tukšā, caurspīdīgā stikla tarā;
• neironu tīklu modeli un algoritmu kopu, kas attēlā spēj identificēt plaisas gan taisnā, gan rievotā pudeles reljefā dažādās pudeles zonās.

APPLY SIA īsteno pētniecības projektu Latvijas Atveseļošanas un noturības mehānisma plāna 5.1.r. reformu un investīciju virziena "Produktivitātes paaugstināšana caur investīciju apjoma palielināšanu P&A" 5.1.1.r. reformas "Inovāciju pārvaldība un privāto P&A investīciju motivācija" 5.1.1.2.i. investīcijas "Atbalsta instruments inovāciju klasteru attīstībai" īstenošanas noteikumu kompetences centru ietvaros.

Pētniecības projekta numurs un nosaukums: Nr. 2.2 “Neironu tīklu adaptācija Atomspēku Mikroskopijas (AFM) datu analīzei dažādu vēža tipu un to stadiju klasifikācijai.”

Projekts Nr. 5.1.1.2.i.0/1/22/A/CFLA/002

Ļaundabīgie audzēji ir viena no biežākām slimībām cilvēku populācijā. Plaušu audzējs ir viens no biežākajiem audzējiem, kas raksturojas ar sliktu prognozi un augstu mirstību. Plaušu audzējs joprojām tiek atklāts vēlīnajās stadijās, kad ārstēšana ir dārga un mazefektīva.

Jauno plaušu audzēju diagnostikas risinājumu izstrāde ir aktuāla problēma mūsdienu zinātnē. Uz mākslīgā intelekta balstīta lielo datu analīze izmantojot invotatīvus datu avotus varētu būt perspektīva jauna tehnoloģija plaušu audzēju diagnostikai un prognozei ar augstu komercializācijas potenciālu.

Pētījuma mērķis ir izstrādāt jaunu tehnoloģiju, kas pamatojas uz mākslīgā intelekta analīzi, izmantojot Atomspēku Mikroskopijas (AFM) datus plaušu audzēju diagnostikai, kā arī klīnisko un patologhistoloģisku rādītāju novērtēšanu.

Pētījuma ietvaros plānots veikt:

• pacientu iekļaušana pētījumā;
• klīnisko rādītāju analīze;
• plaušu biopsijas audu paraugu un citoloģijas audu paraugu novērtēšana ar atomspēka mikroskopiju;
• datu analīze ar mākslīgu intelektu un predikatīvo modeļu izveide.

Pētījuma īstenošanas rezultātā tiks izstrādāta metode biopsijas un citoloģijas paraugu pagatavošanai atomspēka mikroskopijai, kā arī uz mākslīgā intelekta balstīta jaunā tehnoloģija plaušu audzēja diagnostikai, kas pamatojas uz lielo datu analīzi, kas iegūti ar atomspēka mikroskopiju, un audzēja klīniskie dati.

Starpposms Nr. 1: 01.08.2023.-31.01.2024.

Pētījuma kopējais mērķis: izstrādāt jaunu tehnoloģiju, kas pamatojas uz mākslīgā intelekta analīzi izmantojot Atomspēku Mikroskopijas (AFM) datus plaušu audzēju diagnostikai, kā arī klīnisko un patologhistoloģisku rādītāju novērtēšanu.

Aktivitātes mērķis: nepieciešamo rīku izstrāde visu datu apkopošanai un centralizēšanai turpmākai izmantošanai (datubāzes, importēšanas mehānismi, saskarnes).

Ir pilnībā izstrādāta tīmekļa vietne, kas ļauj ērti LU Pataloģijas katedras darbiniekiem apkopot pacientu klīnisko un patohistoloģisko informāciju un LU Ķīmiskās fizikas institūta darbiniekiem augšupielādēt datnes no AFM, piesaistot tos konkrētam pacientam un biopsijas paraugam, kopā ar nepieciešamajiem pavadošajiem datiem. 

Tīmekļa vietne ir pieejama publiski, bet, lai tajā autorizētos un piekļūtu sistēmas funkcionalitātei un datiem, ir nepieciešams lietotāja profils, kuru ir apstiprinājis vietnes administrators. Pašlaik administratora tiesības ir pieejamas tikai SIA Apply šī projekta vadībai. 

Izstrādes laikā tika arī izplānota un izveidota datu batu bāze, kur attiecīgie dati tiek uzglabāti. Rīks būtiski vienkāršo turpmāko darbību ar datiem un standartizē to ieguves procesu, jo ir nodrošināta skaidra sasaiste starp datiem, kas iegūti ar pataloganatomijas kompetencēm un datiem, kas iegūti ar AFM. 

LU Ķīmiskās fizikas institūta darbinieki iegūtos AFM mērijumus saglabā specifiskā datu formātā (.ibw), lai nodrošinātu turpmāko datu analīzi tika izstrādāts skripts, kas spēj lasīt šo datu formātu un savienoties ar datu bāzi, kur šīs datnes uzglabājas.

Turpmākās darbības: Turpmākie soļi ir izvirzīt un aprēķināt plaušu šūnu aprakstošus parametrus, kurus var iegūt no AMF datiem. Paralēli ir plānots izstrādāt programmatūru, kas veiks dažādu mākslīgā intelekta modeļu apmācību. Nepieciešams apmācīt gala lietotājus abu sistēmu izmantošanā un uzsākt datu ieguvi.

Starpposms Nr. 2: 01.02.2023.-31.07.2024.

Pateicoties veiksmīgai sadarbībai ar LU medicīnas fakultāti esam veiksmīgi rekrutējuši un ievākuši biopsijas paraugus no 154% pacientu. Plānoto 24 vēža pacientu un 3 kontrolgrupas pacientu vietā esam ievākuši 37 vēža pacientu un 3 kontrolgrupas pacientu paraugus. 

Starpposms Nr.3 // 01.07.2024.-30.09.2024.

Apmācīti uzraudzītās apmācības neironu tīkli, veiktas to precizitātes metrikas, sagatavotas rekomendācijas un aprakstītas audu paraugu sagatavošanas metodes optimālai AFM analīzei.

Sasniegtie rezultāti:

Apmācīti neuzraudzītās apmācības neironu tīkli, veiktas to precizitātes metrikas. Izstrādātas rekomendācijas un ieteikumi turpmākai tehnoloģijas precizitātes un pielietojumu uzlabošanai. Sagatavotas divas publikācijas.

Līdz ar ko pētījums ir noslēgts.

Uzrakstīta un iesniegta izskatīšanai uz pieņemšanu publikācija “Machine Learning for Lung Cancer Subtype Classification: Combining Clinical, Histopathological, and Biophysical Features”

Veikta gan uzraudzītā, gan neuzraudzītā apmācība un uzsākts darbs pie precizitātes metriku datu apkopošanas.

Apkopoti secinājumi par optimālu paraugu sagatavošanas un analīzes metodiku un turpmāku tehnoloģijas precizitātes uzlabošanu. Viennozīmīgi skaidrs, ka ar var veikt vēža stadiju un tipu klasifikāciju balstoties uz AFM datu neironu tīklu klasifikāciju taču ņemot vērā ierobežoto datu pieeju un turpmākos tehnoloģijas mērķus ir secināts, ka būtu lietderīgi pievienot arī fluorescences (two photon microscopy) datus par analizējamo paraugu.

APPLY SIA īsteno pētniecības projektu Latvijas Atveseļošanas un noturības mehānisma plāna 5.1.r. reformu un investīciju virziena "Produktivitātes paaugstināšana caur investīciju apjoma palielināšanu P&A" 5.1.1.r. reformas "Inovāciju pārvaldība un privāto P&A investīciju motivācija" 5.1.1.2.i. investīcijas "Atbalsta instruments inovāciju klasteru attīstībai" īstenošanas noteikumu kompetences centru ietvaros.

Pētniecības projekta numurs un nosaukums: Nr.1.13 “Elektoenerģijas patēriņa optimizācijas iekārtas izveides izpēte un prototipa izstrāde”

Projekts Nr. 5.1.1.2.i.0/1/22/A/CFLA/002

Projekta ietvaros plānots izpētīt iespējas un izveidot prototipu iekārtai, kas darbosies kā vadības iekārta, lai optimizētu enerģijas patēriņu uzņēmumos, daudzīvokļu mājās, noliktavās, biroja ēkās u.c., kurā ir daudz energo intensīvas ierīces. Šī vadības iekārtas galvenā funkcija ir plānot un pārvaldīt elektroenerģijas plūsmu starp pievienotajām ierīcēm, lai samazinātu saimniecības izmaksas un nodrošinātu elektroenerģijas pieslēguma jaudas pietiekamību, ņemot vērā katras ierīces darbības ierobežojumus, kas nepieciešami, lai nodrošinātu tās pamatfunkciju veikšanu.

Galvenajās projekta aktivitātēs ietver :

• Izpētīt vadības iekārtas integrācijas iespējas ar dažādām energointensīvo iekārtu tipiem, kā arī to pārvaldības iespējas ;
• Izpētīt saimniecības elektroenerģijas patēriņa prognozēšanas algoritma pievienoto vērtību kopējās sistēmas efektivitātē;
• Izpētīt un noteikt vadības iekārtas optimizācijas algoritma nepieciešamo efektivitātes līmeni;
• Vadības iekārtas pilotēšana un tā efektivitātes izvērtēšana.

Sasniedzamais rezultāts

• izveidots vadības iekārtas prototips, kurā integrētas (3) iekārtas. Pilotēta Vadības iekārta;
• izveidota un praksē pārbaudīta vadības iekārta:
• kas samazina saimniecības elektroenerģijas izmaksas (par 10% un vairāk)*;
• samazina pieslēguma jaudas izmaksas (par 10% un vairāk)*;
• optimizācijas procesā netiek traucēta saimniecības pamatdarbība;
• ir apzinātas iespējas saimniecībai gūt papildus ienākumus, piedāvājot savu spēju pielāgot elektroenerģijas plūsmas kā pakalpojumu pārvades tīkla operatoram.

Elektroenerģijas un pieslēguma jaudas izmaksas ir divas alternatīvas kā veicināt saimniecības izmaksu samazinājumu. Mazākiem patērētājiem lielāku īpatsvaru no kopējā elektroenerģijas rēķina (līdz pat 40%) sastāda pieslēguma jaudas un pārvades tarifu izmaksas, kamēr lielākiem patērētājiem līdz pat 90% no kopējā elektroenerģijas rēķina sastāda pašas elektroenerģijas izmaksas. Optimizācijas mehānisma mērķi ir piemērojami saimniecībai, lai nodrošinātu lielāko absolūto ekonomisko ieguvumu, kas sagaidāms 10% un vairāk kopējā elektroenerģijas rēķina summas samazinājumā.

STARPNODEVUMA REZULTĀTS

Pētījuma pirmajā posmā veiksmīgi realizēti visi plānotie darbi un izdarīti secinājumi, kas ļauj optimistiski lūkoties uz tālākajiem plāniem pētniecības projektā.

• Veikta identificēto ierīču darbības tehnisko ierobežojumu izpēte un darbības optimizācijas iespējas, lai samazinātu izmaksas par šo ierīču elektroenerģijas plūsmām atbilstoši projektā uzstādītajiem mērķiem.
• Īstenots pētniecības process par vispārējiem saimniecību raksturojošiem faktoriem elektroenereģijas plūsmu optimizācijas kontekstā.
• Identificēta saimniecība, kurā pieejamas vairākas pētniecības vajadzībām atbilstošas integrējamās un vadāmās ierīces, pieejami vēsturiskie patēriņa un ražošanas dati, kā arī pie nepieciešamības ir iespējams uzstādīt un testēt papildus ierīces.
• Izveidots vadības iekārtas prototips, kas izvietots izvēlētajā saimniecībā.
• Izpētītas minēto ierīču integrāciju iespējas un to savietojamība tīklā.
• Pētījuma ietvaros ir izpētītas aktuālās publiski pieejamās datu kopas.
• Izpētīta teorētiskā daļa saules paneļu ražības notiekšanai, balstoties uz saules radiācijas datiem.
  
• Izstrādāta arī iespēja simulēt ierīču darbību reāllaikā. Izstrādātā arhitektūra un risinājums būs izmantojams arī vadības ierīces programmatūrā.