Dr Mateusz Koryciński

Zainteresowania badawcze: sztuczna inteligencja, analiza obrazów, AI w medycynie

Mateusz Koryciński prowadzi badania z zakresu przetwarzania obrazów. Jego zainteresowania naukowe są skupione głównie na medycznych danych obrazowych pochodzących z metody rezonansu magentycznego (ang. Magnetic Resonance Imaging, MRI). W czasie swojego doktoratu rozwinął metodę traktograficzną, pozwalającą na wizualizację włókien nerwowych w pobliżu pola operacyjnego, na podstawie danych DTI (ang. Diffusion Tensor Imaging). Metoda ta obecnie jest rozwijana w wielu kierunkach. Jednym z nich jest przygotowywany system wspomagania decyzji, który będzie wykorzystywany przez neurochirurgów w procesie planowania przedoperacyjnego. W projekcie tym aktywnie współpracuje z Kliniką Neurochirurgii Narodowego Instytutu Onkologii w Warszawie.

 

W latach 2012-2017 był asystentem naukowym w Instytucie Biologii Rozwoju Maxa-Plancka w Tuebingen. Zajmował się tam badaniami podstawowymi z zakresu bioinformatyki i ewolucji białek.

 

Uczestnik i prelegent konferencji naukowych (m.in. MICCAI, WiMob, PP-RAI), Kongresu Nauka dla Społeczeństwa oraz wyjazdów studyjnych (MIT CSAIL, MathWorks). Autor publikacji w zakresie wykorzystania metod uczenia maszynowego do analizy obrazów oraz danych medycznych.

Wybrane publikacje

Artykuły

Mateusz Korycinski, Konrad Ciecierski, Ewa Niewiadomska-Szynkiewicz, "Neural fiber prediction with deep learning", 18th International Conference on Wireless and Mobile Computing, Networking and Communications (WiMob), Thessaloniki, Greece, 2022, 1-5.
Mateusz Koryciński, Konrad Ciecierski, “Tractography methods in preoperative neurosurgical planning”, Journal of Telecommunications and Information Technology, 3, 2021, 78–85.
Kamila Lis, Mateusz Koryciński, Konrad Ciecierski, "Classification of masked image data", PLOS One, 16(7), 2021, e0254181.