Ústav merania SAV

✨ Budúci biomedicínski inžinieri sa 10. apríla 2026 pozreli do zákulisia výskumu v Ústave merania SAV, v.v.i.. ✨

Na exkurzii sme privítali študentov 2. ročníka bakalárskeho štúdia programu Biomedicínske inžinierstvo na Žilinskej univerzite. Po úvodnom privítaní pánom riaditeľom doc. Viktor Witkovskym a predstavení výskumu a vzdelávania v ústave si študenti prezreli vybrané laboratóriá a konkrétne výskumné témy, ktoré prepájajú medicínu, technológie a prax.

Videli napríklad:
– modelovanie elektrického poľa srdca a jeho diagnostické využitie,
– povrchové EKG mapovanie,
– analýzu vplyvu elektromagnetických polí na bunky,
– princípy a metódy neurorehabilitácie,
– meranie magnetických substancií v biologických tkanivách,
– MR tomografiu v biomedicíne,
– aj RTG mikrotomografiu v biomedicínskom a materiálovom výskume.

Ďakujeme všetkým kolegom a kolegyniam, ktorí študentom predstavili svoju prácu a ukázali, ako vyzerá biomedicínsky výskum v praxi. Veríme, že exkurzia bola pre študentov inšpiráciou a priblížila im možnosti, ktoré tento odbor ponúka.

💫 Nina Evetović’s PhD Research: Towards an Ecologically Valid BCI and Head-Mounted VR System for Post-Stroke Neurorehabilitation 💫

🧠 Post-stroke rehabilitation can be significantly enhanced by leveraging brain–computer interfaces (BCIs), especially in cases where patients have limited or no voluntary movement. Nina Evetović, under the supervision of Roman Rosipal, focuses on developing a more ecologically valid rehabilitation system by combining BCI with immersive head-mounted virtual reality (VR).

Her work combines active and passive BCI approaches, allowing patients to engage in motor tasks while their neural states are continuously monitored.

💡 “Combining active and passive BCI approaches allows us to involve patients in movement tasks while monitoring their neural states, creating a more personalized and effective rehabilitation process.”

An important aspect of her work is the monitoring of mental states, particularly fatigue, which can strongly influence rehabilitation outcomes.

💡 “Monitoring mental states is essential for providing therapy that truly supports recovery. A first step toward this is the fatigue monitoring we recently implemented in our system.”

🔬 Vynikajúci výsledok výskumu na Ústave merania SAV

Projekt VEGA „Kauzálna analýza nameraných signálov a časových radov“ (2/0023/22) bol komisiou VEGA č. 7 zaradený medzi projekty s vynikajúcimi výsledkami. Toto predstavuje najvyššie hodnotenie, ktoré môže projekt VEGA po svojom ukončení získať.

Výskumný tím pod vedením Anny Krakovskej dosiahol viacero zaujímavých výsledkov. Vyvinul napríklad nový algoritmus na odhaľovanie príčinných súvislostí medzi dynamickými systémami na základe merania ich zložitosti.

Základná myšlienka metódy vychádza z predpokladu, že systém, ktorý riadi správanie iného systému, má nižšiu zložitosť ako riadený systém. Riadený systém totiž nesie informáciu nielen o vlastnej dynamike, ale aj o procese, ktorý ho ovplyvňuje.

Metóda využíva fraktálnu dimenziu. Dokáže analyzovať aj dlhé časové merania a siete prepojených systémov a odhaliť aj skryté (latentné) vplyvy medzi procesmi.

Tento prístup môže nájsť využitie napríklad pri výskume:
🧠 mozgovej aktivity
🌍 klimatických procesov
📈 ekonomických systémov

Výsledky boli publikované v prestížnom časopise Chaos, Solitons & Fractals a vyvinutý softvér bude čoskoro sprístupnený vedeckej komunite.

🔗 https://www.sciencedirect.com/science/article/pii/S0960077923008767 -by

👏 Gratulujeme nášmu vedeckému tímu!

----------EN---------

🔬 Outstanding Research Result at the Institute of Measurement Science SAS

The VEGA project “Causal Analysis of Measured Signals and Time Series” (2/0023/22) has been ranked by VEGA Commission No. 7 among projects with outstanding results. This represents the highest evaluation a VEGA project can receive after its completion.

The research team led by Anna Krakovska achieved several important results. Among them is the development of a new algorithm for detecting causal relationships between dynamical systems by measuring their complexity.

The key idea behind the method is that a system influencing another system has lower complexity than the system being influenced, since the latter contains information not only about its own dynamics but also about the process affecting it.

The method uses the fractal dimension. It enables the analysis of long time-series measurements and networks of interconnected systems, as well as the identification of hidden (latent) influences between processes.

This approach may find applications, for example, in research on:
🧠 brain activity
🌍 climate processes
📈 economic systems

The results were published in the prestigious journal Chaos, Solitons &
Fractals and the developed software will soon be made available to the scientific community.

🔗 https://www.sciencedirect.com/science/article/pii/S0960077923008767 -by
👏 Congratulations to our research team!

🚀 Dušan Mašek's PhD Research: Smarter MRI with Machine Learning

MRI, one of the most important tools in modern medicine, relies on tiny signals coming from the body. These signals are detected by special sensors called RF coils, and their design directly affects how clear and accurate the resulting images are.

Designing these coils is surprisingly complex, especially at higher frequencies, where electromagnetic effects become difficult to predict. Even small changes in geometry can significantly impact performance. Dušan Mašek, under the supervision of Daniel Gogola, aims to better understand how RF coils behave and to design them more efficiently.

🤖 Dušan's research combines:
Electromagnetic simulations (COMSOL Multiphysics)
Data processing (MATLAB)
Machine learning methods

💡 Why does it matter?
Improved coil design can lead to clearer images, faster scans, and more reliable diagnostics.

🧠 Future vision:
Development of a dual-resonant RF coil for ¹H and ¹⁹F imaging, enabling both anatomical and molecular imaging in preclinical research.

By combining physics and machine learning, this work aims to make MRI technology smarter, faster, and more precise.

Photo credit (MRI): Matej Pok

Navždy nás opustil prof. RNDr. Lubomír Kubáček, DrSc.

Dňa 16. februára 2026 nás vo veku 95 rokov navždy opustil profesor RNDr. Lubomír Kubáček, DrSc., zakladateľ slovenskej školy matematickej štatistiky, dlhoročný vedecký pracovník a riaditeľ Matematického ústavu SAV a významná osobnosť slovenskej i českej matematiky. Bol tiež zakladateľ a prvý vedúci Oddelenia teoretických metód na Ústavu merania SAV (vtedy Ústavu teórie merania SAV). Posledná rozlúčka so zosnulým bude vo štvrtok 19. februára 2026 o 8.45 hod. v bratislavskom krematóriu.

Profesor Kubáček sa narodil 1. februára 1931 v Bratislave. Po absolvovaní geodézie na Stavebnej fakulte Slovenskej technickej univerzity v roku 1954 pôsobil v Geodetickom ústave v Bratislave. Svoju odbornú profiláciu však rozšíril o štúdium matematiky – na Prírodovedeckej fakulte Univerzity Komenského získal diplom z matematickej analýzy (1957) a následne z pravdepodobnosti a matematickej štatistiky (1964).

V roku 1962 nastúpil do Ústavu teórie merania Slovenskej akadémie vied, kde pôsobil až do roku 1981, okrem iného ako vedúci Oddelenia teoretických metód. Práve tu sa naplno rozvinula jeho vedecká aj pedagogická činnosť. V roku 1980 získal titul doktora vied (DrSc.). V 70. rokoch stál pri zrode konferenčnej série PROBASTAT, ktorá sa stala významnou medzinárodnou platformou pre oblasť pravdepodobnosti a matematickej štatistiky.

Profesor Kubáček dokázal aj v zložitých spoločenských podmienkach systematicky budovať odbornú komunitu a vychovávať mladých matematikov a štatistikov. Jeho pravidelné odborné semináre sa stali základom formovania silnej „štatistickej školy“ na Slovensku. Mnohí z jeho študentov a spolupracovníkov sa neskôr etablovali ako uznávaní vedci doma i v zahraničí.

Od roku 1981 pôsobil v Matematickom ústave SAV, ktorý v rokoch 1988 – 1991 viedol ako riaditeľ. V roku 1991 bol vymenovaný za profesora. Bol členom korešpondentom Slovenskej akadémie vied aj Československej akadémie vied, čestným členom Učenej spoločnosti Slovenska a držiteľom čestného titulu Dr.h.c. Slovenskej technickej univerzity.

V roku 1995 odišiel pôsobiť na Univerzitu Palackého v Olomouci, kde vybudoval nové pracovisko matematickej štatistiky a viedol viac ako 18 doktorandov. Po návrate do Bratislavy v roku 2013 zostal aktívnou a rešpektovanou súčasťou odbornej komunity.

Jeho vedecké dielo je mimoriadne rozsiahle a hlboko ovplyvnilo rozvoj lineárnych a zmiešaných lineárnych modelov, najmä s aplikáciami v geodézii, geofyzike, medicínskom výskume a teórii merania. Bol autorom a spoluautorom viacerých vedeckých monografií, viac ako 130 vedeckých článkov v matematických a štatistických časopisoch a desiatok prác zameraných na aplikácie. Jeho výsledky boli citované v stovkách vedeckých publikácií. Významnú časť svojej vedeckej práce realizoval v spolupráci so svojou manželkou Ludmilou Kubáčkovou (1934 – 2004), ktorá bola jeho blízkou odbornou partnerkou.

Profesor Kubáček bol nielen výnimočný vedec, ale aj osobnosť s prirodzenou autoritou, jasným analytickým myslením a schopnosťou formulovať podstatu problému s mimoriadnou presnosťou. Jeho práca významne prispela k prepojeniu matematickej štatistiky s teóriou merania a metrologickými aplikáciami, čím trvalo ovplyvnil aj odborný profil nášho ústavu.

Ústav merania SAV, v. v. i., si s hlbokou úctou a vďakou pripomína jeho vedecký prínos, pedagogické dielo i osobnú podporu, ktorú poskytoval viacerým generáciám výskumníkov.

Česť jeho pamiatke.

Informácie na stránke SAV: https://www.sav.sk/?lang=sk&doc=services-news&source_no=20&news_no=13424

🎓 Aktuálna ponuka tém dizertačných prác 2026/2027 v Aplikovanej matematike

Oddelenie teoretických metód ÚM SAV ponúka dve výskumné témy zamerané na aktuálne výzvy v analýze komplexných dát.

💡 Staňte sa súčasťou našej výskumnej komunity. Prihláste sa alebo kontaktujte školiteľov pre viac informácií.

❗ Prihlášky do 30. 4. 2026.
Viac informácií: https://www.um.sav.sk/vzdelavanie

--------
English
--------
🎓 Current PhD Dissertation Topics 2026/2027 in Applied Mathematics (in cooperation with FMFI Comenius University)

The Department of Theoretical Methods offers two research topics addressing current challenges in complex data analysis:

🔹 Statistical inference methods in mixed models for identifying individual brain signatures of pain from neuroimaging data

The project is related to the implementation of the international research project ERA-NET NEURON (NeuroPain). The aim is to develop advanced statistical models for the analysis of longitudinal neuroimaging data and to support personalized approaches in neuroscience and medicine.

Supervisor: Doc. RNDr. Viktor Witkovsky CSc.([email protected])

🔹 Analysis of noise and causal dependence in stochastic dynamical systems

The research focuses on detecting causal relationships in stochastic complex systems. The goal is to analyse the limitations of existing methods and develop more robust approaches.

Supervisor: Jozef Jakubík, PhD ([email protected])

❗ Application deadline: April 30, 2026
More info: https://www.um.sav.sk/education

💫 Adrián's PhD Research: Interpretable Artificial Intelligence for EEG Signal Analysis 💫

🧠 Electroencephalography (EEG) signals are widely used in post-stroke rehabilitation, which is crucial when a patient cannot move a limb due to a disrupted connection between the brain and that limb. Adrián Hodúr, under the supervision of Roman Rosipal, focuses on developing interpretable AI models for EEG signal analysis, aiming to enhance mental imagery studies, improve brain–computer interface (BCI) performance, and increase trust in AI systems.

He analyzes EEG data using spectrograms and trains convolutional neural networks (CNNs) on these representations. Additionally, he employs the Grad-CAM visual explanation method to illustrate what the model has learned. This approach ensures that the identified patterns are neurologically meaningful, particularly local features associated with motor imagery.

CNNs can learn important local patterns, such as event-related desynchronization and resting-state activity. However, EEG data still present challenges, including noise, artefacts, and issues related to data collection and quality.

✨ Konferencia ROBUST, 24. Zimní škola JČMF ✨

V dňoch 18.1. – 23.1. 2026 sa naši kolegovia z Oddelenia teoretických metód (A. Hodúr, R. Rosipal, Z. Rošťáková, V. Witkovský) zúčastnili konferencie ROBUST, 24. Zimní škola JČMF, ktorá sa konala v hoteli Vydra, Srní, v prostredí Národného parku Šumava v Českej republike.

📍 Dr. Roman Rosipal vystúpil s pozvanou prednáškou s názvom

From tensors to therapy : Statistical models underlying collaborative BCI-VR rehabilitation

V nej poskytol prehľad nášho dlhodobého výskumu zameraného na neurorehabilitáciu pacientov po cievnej mozgovej príhode v prostredí virtuálnej reality.

📍Doc. Viktor Witkovský vo svojej prezentácii s názvom

Iterated linearization as a simple and efficient tool for measurement uncertainty analysis

predstavil jednoduchý, ale zároveň efektívny nástroj pre odhad parametrov a chýb v nelineárnej regresii spojených s modelovaním neistôt v meraní.

📍Dr. Rošťáková vo svojej prezentácii

EEG microstates from the perspective of tensor decomposition

priblížila metódu modifikovaný k-means, ktorá sa používa pri zhlukovaní „2D“ dát, napr. pri detekcií EEG microstavov v EEG signáli, a teoreticky odvodila jej prepojenie s dekompozíciou tenzorov alebo dát v „3D“ formáte.

Konferencia bola skvelou príležitosťou na zdieľanie našich poznatkov a získanie nových inšpirácií pre ďalší výskum.

Spoločná fotka: Matúš Maciak