Intelligence based improvement of personalized treatment and clinical workflow support (IMPACT)

Infografik multimodal maskininlärning

I det här VINNOVA / ITEA3 / AIDA projektet är målet att förbättra segmentering och behandling av små hjärntumörer, genom att kombinera nya diffusions-metoder med deep learning. I detta projekt samarbetar vi med Elekta, Inovia och SyntheticMR.

Hjärntumörer försämrar livskvaliteen för ett stort antal människor. Hjärntumörer kan behandlas på olika sätt; via strålbehandling, cellgiftsbehandling och operation. I det här projektet är fokus på strålbehandling, och det långsiktiga målet är att behandla små tumörer innan de växer till stora tumörer.

Existerande metoder för att segmentera hjärntumörer använder sig av deep learning i 2D eller 3D (convolutional neural networks), applicerat på olika typer av MR-bilder (T1-viktade bilder, T2-viktade bilder och T1-viktade bilder med kontrast). I det här projektet kommer vi dessutom att samla in diffusions-viktade bilder, som kan ge mer information om tumörernas mikrostrukturer. Hjärntumör-patienter kommer att scannas vid CMIV (Centrum för medicinsk bildvetenskap och visualisering), en expert kommer sen att annotera tumörerna och en dator kommer till slut att tränas för att automatiskt segmentera tumörer.

Projektets webbplats på itea3.org

Forskningsgrupp
Visa/dölj innehåll

Relaterat innehåll
Visa/dölj innehåll