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 - 31.12.2022 (Avsluttet)
- Koordinerende institutt: Folkehelseinstituttet
-
Prosjektleder:
- Solveig Hofvind, Kreftregisteret, Folkehelseinstituttet
-
Prosjektdeltakere:
- Solveig Hofvind, Kreftregisteret, Folkehelseinstituttet
- Morten Troøyen, St. Olavs Hospital HF
- Gunn Aagedal Hervold, Sørlandet sykehus HF
- Eivind Reitan, Sykehuset Østfold HF
- Rica Gueco Mortensen, Universitetssykehuset Nord-Norge HF
- Ulf Isaksen, Helse Nord RHF
- Hanne Rosenquist, Sykehuset Innlandet HF
- Jon-Haakon Malmer-Høvik, Vestre Viken HF
- Jo-Åsmund Lund, Helse Møre og Romsdal HF
- Anna-Lena Skoglund, Sykehuset Innlandet HF
- Gro Frøisland, Sykehuset Innlandet HF
- Lars Ailo Aslaksen Bongo, Universitetet i Tromsø - Norges arktiske universitet, UiT Norges arktiske universitet
- Lars Holden, Norsk Regnesentral
- Kaitlyn Truruda, Kreftregisteret, Folkehelseinstituttet
- Anne Kathrin Ertzaas, Kreftregisteret, Folkehelseinstituttet
- Sofie Sebuødegård, Kreftregisteret, Folkehelseinstituttet
- Silje Sagstad, Kreftregisteret, Folkehelseinstituttet
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.