Mgr inż. Aleksandra Suwalska, Doktorant, pokój: 749
telefon: +48 32 4003086
Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript.
Plan zajęć

         

Nota biograficzna:

2019 - obecnie

Studia doktoranckie, Wspólna Szkoła Doktorska, Politechnika Śląska.

Dyscyplina Informatyka Techniczna i Telekomunikacja.

Temat pracy dyplomowej: Automatyczna identyfikacja subpopulacji komórkowych w danych z sekwencjonowania RNA i cytometrii masowej pojedynczej komórki z wykorzystaniem algorytmów grupowania i klasyfikacji danych o wysokiej wymiarowości.



2018 - 2019

Studia magisterskie, Politechnika Śląska.

Kierunek biotechnologia, specjalizacja bioinformatyka.

Temat pracy dyplomowej: System do automatycznej detekcji mikrokrwawień mózgowych na obrazach rezonansu magnetycznego.



2014 - 2018

Studia inżynierskie, Politechnika Śląska.

Kierunek biotechnologia, specjalizacja bioinformatyka.

Rozwiń/Zwiń

Zainteresowania naukowe:

Uczenie maszynowe, sztuczna inteligencja, statystyczna analiza danych, analiza obrazów medycznych, cytometria masowa, głębokie sekwencjonowanie.

Lista publikacji:

1. Mariya Rozenblit, Aleksandra Suwalska, Erin Wysong Hofstatter, Emily Reisenbichler, Malini Harigopal, Michal Marczyk, Lajos Pusztai: Somatic mutations in tumor-adjacent normal breast tissue in young women with high risk family history. 2023 ASCO Annual Meeting, Chicago, USA, 2-6 June, 2023, Journal of Clinical Oncology, 2023, 41(S16):576

2. Cojg Urszula, Suwalska Aleksandra: A convolutional neural network for the classification of COVID-19 patients using chest X-ray images, In: XXVII Gliwice Scientific Meetings, Gliwice, November 16-17, 2023, 2023, pp. 101-101

3. Socha Marek, Prażuch Wojciech, Suwalska Aleksandra, Tobiasz Joanna, Bożek Paweł, Piotrowicz Małgorzata, Polańska Joanna: Computed Tomography image voxel intensity normalization to increase the AI system’s robustness, In: Computational oncology and personalized medicine - crossing borders, connecting science. COPM2023, Gliwice, April 26th, 2023. Book of abstracts. Conference programme / Krukiewicz Katarzyna[i in.](eds.), 2023, Politechnika Śląska, pp. 65-65

4. Prazuch W., Socha M., Suwalska A., Tobiasz J., Marczyk M., Polanska J.: Superresolution as a method of Machine Learning bias reduction in radiography – EMIM 2022, 15-18 March 2022, Thessaloniki, p.156

5. Aleksandra Suwalska and Joanna Polanska, "XAI techniques as an effective feature selection method for cancer tissue identification in MALDI-MSI data", European Molecular Imaging Meeting – EMIM 2022, 15-18 March 2022,Thessaloniki, p.403

6. Marek Socha, Michal Marczyk, Wojciech Prazuch, Joanna Tobiasz, Aleksandra Suwalska, Malgorzata Piotrowicz, Pawel Bozek, Marcin Maruszewski, Slawomir Zeglen, Joanna Polanska, "Methods of standardization of computed tomography images of lungs from various centers and platforms", European Molecular Imaging Meeting – EMIM 2022, 15-18 March 2022, Thessaloniki, p.415

7. Sliwinska W, Suwalska A, Marczyk M: Automatic identification of COVID-19 patients on lung X-Ray imaging with the use of deep learning techniques. Book of Abstracts, p. 16. Computational Oncology and Personalized Medicine: The challenges of the future (COPM2022), April 27, 2022, Gliwice, Poland

8. Suwalska A, Socha M, Prazuch W, Tobiasz J, Polanska J, Marczyk M: nUMAP: How can we overcome the problem in the visualization in multi dataset comparative studies? Book of Abstracts, p. 18. Computational Oncology and Personalized Medicine: The challenges of the future (COPM2022), April 27, 2022, Gliwice, Poland

9. Suwalska, A., du Plessis-Burger, N., van der Spuy, G., Polanska, J. (2022). Comparison of Batch Effect Removal Methods for High Dimensional Mass Cytometry Data. In: Rojas, I., Valenzuela, O., Rojas, F., Herrera, L.J., Ortuño, F. (eds) Bioinformatics and Biomedical Engineering. IWBBIO 2022. Lecture Notes in Computer Science(), vol 13347. Springer, Cham.

10. Suwalska Aleksandra and Polanska Joanna: Preliminary study for a fully automated pre-gating method for high-dimensional mass cytometry data, 2021 IEEE 21st International Conference on Bioinformatics and Bioengineering (BIBE), 25-27.10.2021,Kragujevac, Serbia, pp. 1-5, doi: 10.1109/BIBE52308.2021.9635492

11. Aleksandra Suwalska, Yingzhe Wang, Ziyu Yuan, Yanfeng Jiang, Jinhua Chen, Mei Cui, Xingdong Chen, Chen Suo, Joanna Polanska, "Cerebral Microbleeds detection on MR images with hybrid neural network", Autumn Workshop PTBI 2020, November 24, 2020, book of abstracts, pp. 31-32

12. Suwalska A., Suo C., Wang Y., Polanska J., Preliminary study for automated detection of cerebral microbleeds on MR images. XXII Gliwice Scientific Meetings, Book of Abstracts, p. 118. 16-17.11.2018, Gliwice, Poland

13. Suwalska A, Binczyk F: THE APPLICATION OF DEEP CONVOLUTIONAL NEURAL NETWORKSIN THE AUTOMATED DIAGNOSIS OF EARLY ALZHEIMER’S DISEASEON MAGNETIC RESONANCE IMAGES , XXI Gliwickie Spotkania Naukowe 2017, 17-18.11.2017, Gliwice, Polska, Book of Abstracts, p.159.

14. Socha M, Suwalska A, Prazuch W, Marczyk M, Polańska J, Grupa Badawcza PolCovid: Graficzna reprezentacja heterogenicznosci zbioru radiogramów z bazy PolCovid za pomocą techniki UMAP. Streszczenia wystąpień ustnych, strona 32, Konferencja Onkologia obliczeniowa i spersonalizowana medycyna - TU i TERAZ! (COPM 2021), 21 kwietnia 2021 r., Gliwice, Polska

15. Suwalska Aleksandra, Kocot Szymon, Binczyk Franciszek, Siuda Joanna, Bobek-Billewicz Barbara, Tarnawski Rafal, Polanska Joanna, Rudzinska-Bar Monika: Wykorzystanie konwolucyjnych sieci neuronowych do identyfikacji na obrazach MRI obszarów istotnych w diagnostyce zaburzeń funkcji poznawczych w przebiegu choroby Parkinsona. III Kongres Polskiego Towarzystwa Choroby Parkinsona i Innych Zaburzeń Ruchowych, Katowice 12-14 kwietnia 2018

16. Suwalska, A., Tobiasz, J., Prażuch, W., Socha, M., Foszner, P., Piotrowski, D., Gruszczynska, K., Sliwinska, M., Walecki, J., Popiela, T., Przybylski, G., Nowak, M., Fiedor, P., Pawlowska, M., Flisiak, R., Simon, K., Zapolska, G., Gizycka, B., Szurowska, E., Marczyk, M., Cieszanowski, A., Polanska, J. (2023). POLCOVID: a multicenter multiclass chest X-ray database (Poland, 2020–2021). Scientific Data, 10, 1–9. https://doi.org/10.1038/s41597-023-02229-5

17. Socha M, Prażuch W, Suwalska A, Foszner P, Tobiasz J, Jaroszewicz J, Gruszczynska K, Sliwinska M, Nowak M, Gizycka B, Zapolska G, Popiela T, Przybylski G, Fiedor P, Pawlowska M, Flisiak R, Simon K, Walecki J, Cieszanowski A, Szurowska E, Marczyk M, Polanska J: Pathological changes or technical artefacts? The problem of the heterogenous databases in COVID-19 CXR image analysis. Computer Methods and Programs in Biomedicine 2023, 240, 107684

18. Suwalska A, Polanska J: GMM-Based Expanded Feature Space as a Way to Extract Useful Information for Rare Cell Subtypes Identification in Single-Cell Mass Cytometry. International Journal of Molecular Sciences. 2023; 24(18):14033. https://doi.org/10.3390/ijms241814033

19. Suwalska A, Siuda J, Kocot S, Żmuda W, Rudzińska-Bar M, Polanska J: Activation maps of convolutional neural networks as a tool for brain degeneration tracking in early diagnosis of dementia in Parkinson's disease based on magnetic resonance imaging. Signal, Image and Video Processing, 2023, doi: 10.1007/s11760-023-02643-7

20. Suwalska A, Zientek L, Polanska J, Marczyk M: Quantifying Spatial Heterogeneity of Tumor‐Infiltrating Lymphocytes to Predict Survival of Individual Cancer Patients. Journal of Personalized Medicine 2022, 12, 1113

21. Aleksandra Suwalska, Yingzhe Wang, Ziyu Yuan, Yanfeng Jiang, Dongliang Zhu, Jinhua Chen, Mei Cui, Xingdong Chen, Chen Suo, Joanna Polanska (2022). CMB-HUNT: Automatic detection of cerebral microbleeds using a deep neural network. Computers in Biology and Medicine, 151, 106233.

22. Prazuch, W., Suwalska, A., Socha, M., Tobiasz, J., Foszner, P., Jaroszewicz, J., ... & Polanska, J. (2022). CIRCA: comprehensible online system in support of chest X-rays-based COVID-19 diagnosis. arXiv preprint arXiv:2210.05440

23. Marek Socha, Aleksandra Suwalska, Wojciech Prazuch, Michał Marczyk, Joanna Polanska, and POLCOVID Study Group, "UMAP-based graphic representation of POLCOVID chest X-Ray data set heterogeneity" in Recent Advances in Computational Oncology and Personalised Medicine (Eds. Ziemowit Ostrowski and Sylwia Bajkacz), 2021, vol.1, pp.100-114, ISBN 978-83-7880-800-8