Auf künstliche Intelligenz ausgerichtetes Point-of-Care-Ultraschallbildinterpretationssystem

Ultraschall ist ein nicht-invasives und strahlungsfreies Diagnoseinstrument in der Notfall- und Intensivpflege. In der klinischen Praxis ist die rechtzeitige Interpretation sonografischer Bilder zur Erleichterung der Entscheidungsfindung von wesentlicher Bedeutung. Dies hängt jedoch von der Erfahrung des Bedieners ab. Wie üblich brauchen junge Notärzte Zeit, um durch die traditionelle sonografische Ausbildung eine gute diagnostische Genauigkeit zu erreichen. So verkürzen Sie die Lernzeit Dieser Vorschlag ist für ein einjähriges Projekt vorgesehen. In diesem Projekt wollen wir die Machbarkeit des Einsatzes von KI zur sonografischen Bildinterpretation untersuchen. Das Hauptprojekt ist für die Koordination zwischen den beiden Teilprojekten und dem Hauptprojekt verantwortlich, stellt Bildressourcen bereit und nutzt U-Net (Convolutional Networks for Biomedical Image Segmentation) und Transfer Learning, um die Modelle für die Bilderkennung aufzubauen und die Wirksamkeit zu validieren der Modelle. Ziel des Teilprojekts 1 ist die Entwicklung eines Bilderkennungssystems für dynamische Bilder: Perikarderguss. Nach dem Aufbau des Modells erfolgt die Validierung der Wirksamkeit und eine zukünftige Überarbeitung. Teilprojekt 2 bringt ein Bilderkennungssystem für statische Bilder hervor: Hydronephrose. Nach dem Aufbau des Modells erfolgt die Validierung der Wirksamkeit und eine zukünftige Überarbeitung.

Diese Pionierstudie kann zwei KI-gestützte Ultraschallbilderkennungssysteme unter realen klinischen Bedingungen bereitstellen. Sie können Erfahrungen mit klinischen Anwendungen sammeln und zur aktuellen medizinischen Ausbildung beitragen. Darüber hinaus kann es den Entscheidungsprozess und die Qualität der Versorgung in den Notfall- und Intensivstationen verbessern. Darüber hinaus können die Setup-Modelle in Zukunft auch bei der Ultraschallbilderkennung anderer Ziele eingesetzt werden.