Tomas Iešmantas

KTU Matematikos ir gamtos fakulteto docentas

Tomas Iešmantas – Kauno technologijos universiteto Matematikos ir gamtos mokslų fakulteto docentas, COST veiklos „Novel tools for test evaluation and disease prevalence estimation” komiteto narys. COST veikla – tai tam tikroje mokslo ar technologijų plėtros (inovacijų) srityje dirbančių tyrėjų ir novatorių inicijuotas bendradarbiavimo tinklas.

  • Mašininio / giliojo mokymosi metodų taikymas medicinoje (diagnostika, gydymo planavimas, reakcija į vaistus)
  • Kompiuterinės regos sistemų plėtojimas įvairiems taikymams
  • Bajeso metodų taikymas giliųjų neuroninių tinklų neapibrėžtumams vertinti

Projekto „Giliojo mokymosi metodų taikymas išsėtinei sklerozei“ (DeepMS) metu tyrėjas su kitais komandos nariais sudarė pacientų magnetinio rezonanso tyrimų skaitmeninių vaizdų duomenų bazę, kuri panaudota konstruojant dirbtiniu intelektu grįstą išsėtinės sklerozės pažeistų smegenų sričių analizės sistemą. Ši sistema gali padėti  neuroradiologui greičiau ir tiksliau diagnozuoti ligą, jos sudėtingumą, stadiją, o taip pat sekti ligos eigą laike.

Projekto vadovas: Tomas Iešmantas.

Projekto „Galvos smegenų išemijos po spontaninės subarachnoidininės hemoragijos numatymo ir ankstyvojo perspėjimo inovacinės technologijos MTEP (EWoDCI)“ metu tyrėjas su kitais komandos nariais sieks sukurti inovacinį galvos smegenų kraujagyslių vazospazmų (SV) ir vėlyvosios smegenų išemijos (VSI) po spontaninės aneurizminės subarachnoidinės hemoragijos  numatymo ir išankstinio perspėjimo metodą, atlikti šio metodo klinikinius tyrimus bei sukurti SV ir VSI prognozavimo programinę priemonę.

Projektas „Rizikos mažinimo pagrindimas taikant inspektavimą“.  Koord. VTT (Suomija), 2015–2016. T. Iešmanto pareigos projekte: tyrėjas, vykdytojas.

KTU MTEPI fondo projektas „Ląstelių branduolių aptikimo modelio, taikant dirbtinį intelektą, kūrimas ir tyrimas (DItect, KTU)“. T. Iešmantas su kitais tyrėjais sukūrė dirbtiniu intelektu grįstą modelį, skirtą ląstelių branduoliams fluorescenciniuose vaizduose aptikti, kai ląstelės yra persidengusios, susijungusios, nevienodai apšviestos arba dalinai uždengtos triukšmo.

Nr. Publikacijos pavadinimas Autoriai Metai
1. Enhancing multi-tissue and multi-scale cell nuclei segmentation with deep metric learning. Tomas Iešmantas, Agnė Paulauskaitė-Tarasevičienė, Kristina Šutienė 2020
2. Deep learning-based detection of overlapping cells. Agnė Paulauskaitė-Tarasevičienė, Kristina Šutienė, Justas Valotka, Vidas Raudonis, Tomas Iešmantas  2019
3. Exploiting information of fusion component tests for failure rate estimation: Divertor Inner Vertical Target component study case Danilo Nicola Dongiovanni, Tomas Iešmantas, Pierre Gavila, Tonio Pinna 2018
4. Convolutional neural networks for early seizure alert system Tomas Iešmantas, Robertas Alzbutas 2017