Bruk av maskinlæring for å tyde mammogrammer
Vi vil bruke "deep learning" for å utvikle en ny metode for automatisk maskinlesing av screeningmammogrammer. Målet er å utvikle en metode som kombinerer automatisk analyse med radiologisk ekspertise.
Om prosjektet
-
Prosjektperiode: 01.06.2018 - 31.12.2029 (Aktivt)
- Koordinerende institutt: Kreftregisteret
-
Prosjektleder:
- Solveig Hofvind, Kreftregisteret
-
Prosjektmedarbeidere:
- Solveig Hofvind, Kreftregisteret
- Lars Holden, Norsk Regnesentral
- Anne Kathrin Ertzaas, Kreftregisteret
- Silje Sagstad, Kreftregisteret
- Frank Rønning Wrage, Kreftregisteret
- Leif Magne Finstad, Kreftregisteret
- Steinar Gøytil Auensen, Kreftregisteret
- Marthe Larsen, Kreftregisteret
- Åsne Sørlien Holen, Kreftregisteret
- Marie Burns Bergan, Kreftregisteret
- Nataliia Moshina, Kreftregisteret
- Olav Brautaset, Ukjent
- Marit Holden, Avdeling for bildeanalyse, maskinlæring og jordobservasjon BAMJO
- Line Eikvil, Avdeling for bildeanalyse, maskinlæring og jordobservasjon BAMJO
- Erik Vasaasen, Ukjent
- Fredrik Andreas Dahl, Avdeling for bildeanalyse, maskinlæring og jordobservasjon BAMJO
- Marit Almenning Martiniussen, Avdeling for bildediagnostikk
- Suaiba Amina Salahuddin, Institutt for fysikk og teknologi
- Robert Jensen, Ukjent
- Alba Ordoñez, Ukjent
- Solveig Thrun, Institutt for fysikk og teknologi
- Michael Kampffmeyer, Institutt for fysikk og teknologi
Sammendrag
Vi vil bruke Deep learning for å utvikle en ny metode for automatisk maskinlesing av screeningmammogrammer. Prosjektets hovedmålsetting er å utvikle en metode som kombinerer automatisk analyse med radiologisk ekspertise. Vi ønsker å identifisere undersøkelser som er negative og har som mål å selektere 70% av alle undersøkelsene. Dette vil kunne frigjøre radiologressurser slik at de kan bruke mer tid på kvinner med mistanke om brystkreft. Automatisk analyse vil også kunne hjelpe radiografene å gjennomføre kvalitetskontroll, og gjøre mer systematiske analyser for å kunne observere forandringer i brystet over tid.