Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

Vi vill göra vår webbplats bättre för dig. Vi skulle därför uppskatta om du tog 1-2 minuter att svara på några frågor. Tyck till om Vinnovas webbplats

Deep learning för prostatalokalisering i MRI med hjälp av guldmarkörer för strålbehandling av prostatacancer

Diarienummer
Koordinator Lunds universitet
Bidrag från Vinnova 44 802 kronor
Projektets löptid november 2018 - mars 2019
Status Avslutat
Utlysning Individrörlighet för innovation och samhällsnytta
Ansökningsomgång Arbeta tillfälligt i annan bransch - innovation inom artificiell intelligens (AI)

Syfte och mål

Vi har använt avancerade AI metoder för att lära ett djupt neuralt nätverk att identifiera guldmarkörer på MR-bilder och urskilja dessa mot förkalkningar och andra vanligt förekommande ämnen som naturligt förekommer i kroppen. Guldmarkörerna används för att kunna lokalisera prostatan vid extern strålterapi och används i vanliga fall tillsammans med (Computer Tomography) CT. Eftersom MR-bilder är bättre på att avbilda de anatomiska mjukdelarna vill man hitta en robust metod för att kunna identifiera guldmarkörerna även i MR-bilder.

Resultat och förväntade effekter

Vid projektet färdigställande har vi tagit fram en fungerande metod för att lokalisera prostatan i MR-bilder som motsvarar förmågan att lokalisera prostatan i en CT-bild. Metoden är analyserad och utvärderad i en rad olika framtagna mått. Resultatet av detta projekt är en vetenskaplig artikel samt en grund för att ta fram en ny produkt som kliniskt kan användas för prostatalokalisering i MR-bilder.

Upplägg och genomförande

Vi har testat beprövade metoder som har visat sig ha framgång med liknande problem. Dessa har analyserats och förbättringsmöjligheter har identifierats som sedan inkorporerats i neurala nätverken. En viktig del i projektet har varit att analysera och validera den framtagna metodens prestanda så att den lever upp till de krav som är satta för ändamålet vilket har genomförts i en rad olika tester.

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 27 oktober 2018

Diarienummer 2018-04353

Statistik för sidan