E1 114232, MAS - Muscle Analyzer System (Box Play Alleato AB, RISE, Uppsala Universitet)
| Diarienummer | |
| Koordinator | Hytton Technologies AB |
| Bidrag från Vinnova | 4 745 668 kronor |
| Projektets löptid | september 2020 - september 2024 |
| Status | Avslutat |
| Utlysning | Eurostars – för forskande små och medelstora företag |
Viktiga resultat som projektet gav
Projektet MAS utvecklade en bärbar enhet för att noggrant bedöma muskelkvalitet, speciellt anpassad för sarkopeni. Genom integration av mikrovågssensorer, Raspberry Pi, NanoVNA, molntjänster och ett användargränssnitt för realtidsdata, uppnåddes projektets mål. Phantom-experiment bekräftade enhetens precision, och en AI-algoritm i tre steg förutspådde tjockleken på hud, fett och muskler. Säker kommunikation genom BACE+ och Hytton Cloud garanterar säker datahantering för kliniskt bruk.
Långsiktiga effekter som förväntas
MAS-projektet utvecklade en pålitlig, portabel enhet för att bedöma muskelkvalitet, validerad genom fantomexperiment och kliniska prövningar. Genom att integrera en Raspberry Pi, NanoVNA och en trestegs maskininlärningsalgoritm förutsäger den vävnadstjocklek och upptäcker variationer i muskelkvalitet. Dubbel kommunikation via BACE+ och Hytton Cloud säkerställer säker, realtidsdatahantering. Detta kostnadseffektiva verktyg förbättrar upptäckt och övervakning av sarkopeni och andra muskeltillstånd för kliniker.
Upplägg och genomförande
MAS-projektet har utvecklat ett portabelt system för bedömning av muskelkvalitet. Enheten kombinerar en Raspberry Pi, NanoVNA och en pekskärm, med dubbel kommunikation via BACE+ och Hytton Cloud för säker dataöverföring. Systemets noggrannhet bekräftades med hjälp av artificiella vävnadsemulerande (ATE) fantomer. Det använder en trestegs maskininlärningsalgoritm för att förutsäga vävnadstjocklekar, vilket visat sig effektivt i både fantomstudier och kliniska prövningar. Systemet är utformat för skalbarhet, tillförlitlighet & användarvänlighet i kliniska miljöer.