BMIT

BMIT istraživanja u oblasti neuralnog inženjerstva obuhvataju razvoj motornih neuralnih proteza i asistivnih sistema za neurorehabilitaciju, klinička ispitivanja u primeni novih rehabilitacionih tehnika, projektovanje senzorskih sistema za analizu pokreta (kinematiku i dinamiku) u kliničkom okruženju, razvoj i testiranje sistema za funkcionalnu električnu stimulaciju, kao i modeliranje humanoidnih sistema. Pored toga, istraživanja obuhvataju i primenu kvantitativnih tehnika neuroimidžinga kao i razvoj i testiranje neuralnih interfejsa (mozak-računar interfejsa i dr.)

U Laboratoriji se poštuju najviši etički standardi u skladu sa Helsinškom deklaracijom. Eksperimentalni rad u Laboratoriji uključuje samo zdrave ispitanike, a rad sa pacijentima i validacija metoda i uređaja se obavljaju u kliničkim i bolničkim okruženjima sa saradnicima koji imaju medicinska znanja i kvalifikacije. BMIT održava aktivnu saradnju sa mnogim klinikama u Srbiji. U nastavi i istraživanjima se akcenat stavlja na definisanje i rešavanje realnih izazova, a u saradnji sa lekarima i kliničkim inženjerima.

Poseban deo aktivnosti Laboratorije je vezan za razvoj kliničkih uređaja u skladu sa CEN standardima, sa ciljem da se naprave sistemi koji bi mogli da zamene skupu uvoznu opremu. Između ostalog, razvijen je GammaKey sistem za akviziciju i obradu slika u nuklearnoj medicini koji sa uspehom koristi u Kliničkom centru Srbije u Beogradu i Kliničkom centru Vojvodine u Novom Sadu. Razvijen je i polimiografski uređaj MasterMyo i akvizicioni sistem AceLab koji su korišćeni za istraživanja u Klinici za rehabilitaciju „Dr Miroslav Zotović“ u Beogradu. Razvijen je i niz drugih istraživačkih sistema koje koriste naši klinički partneri.

BMIT edukacija i istraživanja u oblasti obrade biomedicinskih signala i slike obuhvata primenu kompleksnih matematičkih alata s ciljem ekstrakcije dijagnostičkih informacija iz biomedicinskih podataka. Od posebnog značaja je multimodalni pristup u registraciji signala i slika. Razvoj kompjuterski podržanih sistema za odlučivanje podrazumeva ekstrakciju obeležja iz signala i slika u realnom vremenu i klasifikaciju na osnovu prethodnog iskustva ili modela. Razvoj i validacija ovakvih sistema koji omogućavaju objektivnu, kvantitativnu dijagnostiku poboljšava brigu o pacijentima i smanjuje troškove.