Doktorské vzdělání poskytne absolventům magisterského vysokoškolského studia v oblasti biomedicínské elektroniky a biokybernetiky vyšší stupeň vzdělání, prohlubující teoretické znalosti.
Cílem je prohloubení teoretických znalostí studentů ve vybraných částech vyšší matematiky,fyziky a disciplin, tvořících teoretický základ zvoleného oboru. Studium jim také umožní získat potřebné zkušenosti v experimentální práci a zpracování jejích výsledků, včetně využití vyšších metod aplikované informatiky.
Konečním cílem je naučit absolventy metodám vědecké práce.

Absolvent doktorského studia by měl být vyhraněnou osobností s výrazným vědeckým výsledkem, širokým rozhledem a schopností řešit složité vědecké a výzkumné technické úlohy v oblasti biomedicínské elektroniky a biokybernetiky a oblastech souvisejících.
Maximální míra flexibility a profesní adaptability v širokém oboru je samozřejmou vlastností absolventa doktorského studia.
Absolventi doktorského studijního programu v biomedicínské elektronice a biokybernetice budou schopni pracovat jako vědečtí a výzkumní pracovníci v základním či aplikovaném výzkumu zejména v medicínské a biologické oblasti, jako specializovaní odborníci vývoje, konstrukce a provozu v různých výzkumných a vývojových institucích, a u výrobců či uživatelů vyspělé techniky, zejména biomedicínské.

Absolvent doktorského studia by měl být vyhraněnou osobností s výrazným vědeckým výsledkem, širokým rozhledem a schopností řešit složité vědecké a výzkumné technické úlohy v oblasti biomedicínské elektroniky a biokybernetiky a oblastech souvisejících. Maximální míra flexibility a profesní adaptability v širokém oboru je samozřejmou vlastností absolventa doktorského studia. Absolventi doktorského studijního programu v biomedicínské elektronice a biokybernetice budou schopni pracovat jako vědečtí a výzkumní pracovníci v základním či aplikovaném výzkumu, jako specializovaní odborníci vývoje, konstrukce a provozu v různých výzkumných a vývojových institucích, a u výrobců či uživatelů vyspělé přístrojové techniky a aplikační informační technologie zejména v medicínské a biologické oblasti.

prof. Ing. Jiří Jan, CSc.

1. Modelování a analýza signálů v perfuzním zobrazení

   Práce bude zaměřena na výzkum nových metod perfuzního zobrazení v lékařské diagnostice. Jde o metody odhadu diagnosticky významných parametrů prokrvení tkáně na základě dynamického zobrazení tkáně (např. pomocí MRI, CT, PET, ultrasonografie) po aplikaci kontrastní látky. Práce bude zahrnovat návrh nových postupů akvizice dat (se zaměřením na ultrasonografii), modelů kinetiky kontrastní látky, algoritmů pro zpracování signálů za účelem robustního odhadu perfuzních parametrů a testování na syntetických a reálných datech. Práce bude částečně podporována běžícím grantem GAČR.

   Školitel: Jiřík Radovan, doc. Ing., Ph.D.

2. Multimodální analýza oftalmologických obrazových dat

   Cílem projektu je analýza oftalmologických obrazových dat, zejména se zaměřením na porovnání diagnostické informace, poskytované jednotlivými moderními zobrazovacími modalitami a na možnosti využití multimodální fúze těchto obrazů pro vyšší využití této informace. Projekt může být podporován výzkumným centrem Data, Algoritmy a Rozhodování

   Školitel: Jan Jiří, prof. Ing., CSc.

3. Studium elektrofyziologických projevů srdce v experimentální kardiologii.

   Podstatou tématu ja analýza elektrických biologických signálů zaznamenávaných simultánně z izolovaného zvířecího srdce v experimentálním prostředí. Práce bude zaměřena zejména na sledování změn koncentrace vápníku, trendů akčních potenciálů s jejich následnou analýzou včetně elektrogramů. Bude sledován vztah mezi průběhem koncentrace vápníku a elektrickými projevy srdce pro návrh metod rozpoznávání a klasifikaci srdečních cyklů zaznamenaných v průběhu globální ischemie.

   Školitel: Kolářová Jana, doc. Ing., Ph.D.

4. Umělá inteligence ve zpracování genomických a proteomických dat

   Cílem projektu je vývoj metod a algoritmů pro zpracování genomických a proteomických dat s využitím prvků umělé inteligence. Metody budou vycházet z moderních nástrojů pro rozhodování, rozpoznávání obrazců, shlukování a modelování pomocí umělých neuronových sítí. Metody budou využity v aplikacích vyhledávání úseků včetně mutací v extrémně dlouhých sekvencích. Pro ověření metod budou sloužit vlastní data získaná sekvenací DNA a data z veřejných genomických a proteomických databází sekvencí.

   Školitel: Provazník Valentine, prof. Ing., Ph.D.