Tillämpa maskininlärning på tolkningen av urinkristallmorfologi.

Njurstenar bildas främst på grund av övermättnaden av joner i urinen, vilket leder till bildandet av kristaller. En bedömning av risken för njursten baseras på patientens sjukdomshistoria, biokemiska urintester och olika laboratorieundersökningar. Att kombinera dessa med avbildningsstudier som datortomografi, ultraljud och röntgen hjälper till att diagnostisera typen av njursten, även om avbildningsresultat för mindre stenar kan vara mindre exakta. Stenbildning är vanligt med hög återfallsfrekvens, och det finns ett starkt samband mellan urinkristaller och stensammansättning. Därför är analysen av urinkristaller meningsfull för diagnos, utvärdering av behandlingsstrategier och förebyggande av återfall av sten vid njurstenssjukdom.

Mikroskopisk analys av urinkristaller möjliggör observation av mindre kristaller. Manuell urinmikroskopi är dock långsam och tidskrävande. För att ta itu med detta strävar vi efter att utveckla programvara för artificiell intelligens för att hjälpa till med tolkningen av urinkristaller, vilket ger en snabbare analys. Vi kommer retrospektivt att analysera urinkristallbilder lagrade från tidigare forskning (Chang Gung Memorial Hospital Internal Project Research No. 107123-E) för att identifiera kristalltyper. Efterföljande bildförbehandling och kategorimärkning kommer att göras för att träna och sluta sig till maskinmjukvara. Resultaten kommer att jämföras med manuell tolkning för att fastställa programvarans noggrannhet.