English version of this page

The Intelligent Cardiovascular Ultrasound Scanner

Hjerterelaterte sykdommer er årsaken til de fleste dødsfall i den vestlige verden. Ultralyd er den mest brukte avbildningsmetoden for kardiologer når de skal undersøke hjertets funksjon. .

Om prosjektet

GE Vingmed Ultrasound styrer prosjektet.

Bakgrunn

En ultralydundersøkelse av hjertet skjer i sann tid, den er kost-effektiv, den kan utføres uten ubehag for pasienten og uten skadelig stråling. En typisk hjerteundersøkelse tar 30-40 minutter men bare halvparten av den tiden brukes til effektiv innsamling av bilder med diagnostisk kvalitet. Resten av tiden kastes bort til manuelle justeringer av bilder, søking etter optimale snitt og til manuelt utførte malinger

Visjonen i dette prosjektet er å lage en intelligent ultralydscanner for hjerteavbildning - INCUS. Den skal assistere brukeren i å oppnå økt produktivitet og rask beslutningstaking. Dette vil bli oppnådd ved å introdusere intelligente algoritmer i scanneren som lærer av kunnskap fra ekspertbrukere samt fra tidligere innsamlede data. Vi vil bygge videre på forskning innenfor en gren av maskinlæring som kalles dyp læring (Deep learning). Dype læringsalgoritmer har gitt vesentlige forbedringer i mange domener slik som stemmegjenkjenning og bildeklassifisering. Ambisjonen er å tilby en ny ultralydscanner som gir økt diagnostisk treffsikkerhet og vesentlig bedre produktivitet sammenliknet med ultralydscannere som finnes på markedet i dag. For å oppnå et nytt nivå av produktivitet så trengs det å utvikles metoder for intelligent bildeoptimalisering, bildegjenkjenning og intelligente måleverktøy. INCUS vil adressere alle disse behovene.

Webside, Forskningsrådet

https://prosjektbanken.forskningsradet.no/project/FORISS/256695

Finansiering

Brukerstyrt innovasjonsarena

Samarbeid

  • GE Vingmed Ultrasound
  • Institutt for informatikk ved UiO
Emneord: Kunstig intelligens og maskinlæring, Kunstig intelligens, dyp læring
Publisert 2. feb. 2017 10:57 - Sist endret 16. jan. 2024 15:55

Deltakere

Detaljert oversikt over deltakere