< Terug naar vorige pagina

Project

Geautomatiseerde analyse van transperineale echografie voor evaluatie van de bekkenbodem met focus op de anale sluitspier rond het tijdstip van bevalling

Analyse van transperineale echografie (TPUS) beelden speelt een belangrijke rol bij de beoordeling van bekkenbodemaandoeningen. De meeste analysetaken met echografie worden momenteel handmatig uitgevoerd, wat tijdrovend is, onderhevig is aan menselijke fouten en variabiliteit tussen waarnemers, en een hoge mate van expertise en training vereist. Hierdoor is er een sterke klinische behoefte aan automatisering van echografie-analyse. In dit proefschrift wordt een efficiënt, intuïtief, gebruiksvriendelijk, interactief algoritme ontwikkeld voor klinische gebruikers, zodat ze verdere elementen van de huidige pijplijn kunnen aanpassen. om de geëxtraheerde biomarker te bewerken. Bovendien zal een intelligente pijplijn worden gecreëerd om clinici te helpen bij de interpretatie van trauma aan de levatorhiatus (door ballonvorming en avulsie te kwantificeren) en aan de anale sluitspier (d.w.z. computerondersteunde diagnose - CAD). Om ervoor te zorgen dat de output begrijpelijk en interpreteerbaar is voor clinici, moet de pijplijn door het ontwerp inzicht geven in de reden waarom een bepaalde beslissing met betrekking tot de anatomische status is genomen. In de kliniek zal in de nabije toekomst een pijplijn worden ontwikkeld om onmiddellijke analyse van verwondingen aan de anale sluitspier na de bevalling mogelijk te maken.

Datum:9 mrt 2023 →  Heden
Trefwoorden:deep learning, medical image analysis, ultrasound images, pelvic floor
Disciplines:Gynaecologie
Project type:PhD project