Self-learning decision support tool for fast and accurate cancer evaluation in digital pathology

Diarienummer 2015-04196
Koordinator ContextVision AB - R & D
Bidrag från Vinnova 3 729 170 kronor
Projektets löptid oktober 2015 - september 2018
Status Pågående
Utlysning Eurostars 2 medfinansiering
Ansökningsomgång Eurostars medfinansiering 2014-2015

Syfte och mål

Syftet med projektet är att, med utgångspunkt från marknadsbehov, unik teknologi och kunskap inom bildanalys, utveckla en rad beslutsstöd för patologer, så att diagnostisering och prognostisering av cancer kan underlättas, en s.k. Decision Support Toolbox (DST). Denna kommer att bestå av olika verktyg som utvecklas med bl. a. hjälp av lärande system. Algoritmerna kommer att tränas utifrån olika sub-specialiteter inom patologin. Vidare kommer vi att utforma en referensdatabas som gör det möjligt för patologer att hitta verifierade referensfall med kända kliniska förlopp.

Förväntade effekter och resultat

1.En innovativ uppsättning av produkter som ger värdefullt beslutsstöd inom digital patologi vid klinisk rutin. 2.ökad kunskap inom nya teknologier för bildanalys och om integrering av dessa i klinisk rutin inom digital patologi.

Planerat upplägg och genomförande

Projektet är ett samarbete mellan det forskningsorienterade mindre företaget (SME), Contextvision AB, i Linköping, Sverige och eHealth enheten inom HES-SO -universitetet i Sierre, Schweiz. Det senaste inom machine learning-tekniker, inklusive deep-learning, används för att träna mjukvaran att automatiskt hitta, identifiera och klassificera onormala mönster i digitala patologibilder. Denna mjukvara kan sedan användas av patologer för att bidra till bättre och effektivare diagnoser. SCRUM-metodik kommer att användas av projektet vid genomförandet av dess arbetspaket.

Texten på denna sida har projektgruppen själv formulerat och innehållet är ej granskat av våra redaktörer.