Detektion av blåscancer med hjälp av konvolutionella neurala nätverk (BLAInostic)

Utredarna syftar till att experimentera och implementera olika arkitekturer för djupinlärning för att uppnå noggrannhet på mänsklig nivå i datorstödda diagnossystem (CAD). I synnerhet är utredarna intresserade av att upptäcka blåstumörer från CT-urografiska skanningar och cystoskopier av urinblåsan i detta projekt. Utredarna vill klassificera blåstumörer som cancer, icke-cancer, höggradig och låggradig, invasiv och icke-invasiv, med hög känslighet och låg falsk positiv frekvens med hjälp av olika konvolutionella neurala nätverk (CNN). Denna uppgift kan betraktas som det första steget i att bygga CAD-system för diagnos av blåscancer. Dessutom, genom att automatisera denna uppgift, minskar utredarens skanning avsevärt tiden för radiologerna att skapa storskaliga märkta datamängder av CT-urografiska skanningar och minskar de falskt negativa och positiva som kan hända på grund av mänskliga utvärderingscystoskopier.