DAME (Deep learning Algorithms for Medical image Evaluation) (Q4301512)
Jump to navigation
Jump to search
Project Q4301512 in Germany, Netherlands
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | DAME (Deep learning Algorithms for Medical image Evaluation) |
Project Q4301512 in Germany, Netherlands |
Statements
593,128.0 Euro
0 references
1,186,256.0 Euro
0 references
50.0 percent
0 references
1 October 2017
0 references
1 October 2021
0 references
Universitair Medisch Centrum Groningen (UMCG)
0 references
53°9'13.36"N, 8°12'34.56"E
0 references
51°50'40.67"N, 6°38'44.84"E
0 references
52°9'4.36"N, 7°23'30.73"E
0 references
53°13'24.67"N, 6°34'29.71"E
0 references
53°13'9.77"N, 6°34'39.68"E
0 references
53°13'11.28"N, 6°34'39.43"E
0 references
The aim of this project is to explore software solutions using deep learning technology to achieve automatic, fast and reliable detection of abnormalities (such as cancer) in medical images. The main advantage of this innovation is the development of a generic algorithm to recognize patterns in images, independent of the type of image (CT, MR, etc) or type of abnormality. This allows to use the same software system to solve a multitude of different clinical problems. The goal is not only to quickly identify healthy individuals, but also to detect abnormalities that are not directly linked to the clinical question (incidental findings). By automatically identifying all abnormalities in the images, missing something crucial will be avoided. (English)
0.4965422864080955
0 references
Cílem tohoto projektu je prozkoumat softwarová řešení využívající technologii hlubokého učení k dosažení automatické, rychlé a spolehlivé detekce abnormalit (jako je rakovina) na lékařských obrazech. Hlavní výhodou této inovace je vývoj generického algoritmu pro rozpoznání vzorů v obrazech, nezávisle na typu obrazu (CT, MR, atd.) nebo typu abnormality. To umožňuje používat stejný softwarový systém k řešení mnoha různých klinických problémů. Cílem je nejen rychle identifikovat zdravé jedince, ale také odhalit abnormality, které nejsou přímo spojeny s klinickou otázkou (případné nálezy). Tím, že automaticky identifikuje všechny abnormality v obrazech, bude chybějící něco zásadního se vyvarovat. (Czech)
4 November 2022
0 references
Cieľom tohto projektu je preskúmať softvérové riešenia využívajúce technológiu hlbokého učenia na dosiahnutie automatickej, rýchlej a spoľahlivej detekcie abnormalít (ako je rakovina) v lekárskych obrazoch. Hlavnou výhodou tejto inovácie je vývoj generického algoritmu na rozpoznávanie vzorov v obrazoch, nezávisle od typu obrazu (CT, MR atď.) alebo typu abnormality. To umožňuje používať rovnaký softvérový systém na riešenie množstva rôznych klinických problémov. Cieľom je nielen rýchlo identifikovať zdravých jedincov, ale aj odhaliť abnormality, ktoré nie sú priamo spojené s klinickou otázkou (incidentálne nálezy). Automatickou identifikáciou všetkých abnormalít v obrázkoch sa vyhneme chýbajúcemu niečomu rozhodujúcemu. (Slovak)
4 November 2022
0 references
Celem projektu jest zbadanie rozwiązań programowych wykorzystujących technologię głębokiego uczenia w celu automatycznego, szybkiego i niezawodnego wykrywania nieprawidłowości (takich jak rak) w obrazach medycznych. Główną zaletą tej innowacji jest opracowanie ogólnego algorytmu rozpoznawania wzorców na obrazach, niezależnie od rodzaju obrazu (CT, MR itp.) lub rodzaju nieprawidłowości. Pozwala to na korzystanie z tego samego systemu oprogramowania do rozwiązywania wielu różnych problemów klinicznych. Celem jest nie tylko szybkie zidentyfikowanie zdrowych osób, ale także wykrycie nieprawidłowości, które nie są bezpośrednio związane z pytaniem klinicznym (wyniki incydentalne). Automatycznie identyfikując wszystkie nieprawidłowości na zdjęciach, unikniemy braku czegoś ważnego. (Polish)
4 November 2022
0 references
Formålet med dette projekt er at udforske softwareløsninger ved hjælp af deep learning-teknologi for at opnå automatisk, hurtig og pålidelig påvisning af abnormiteter (såsom kræft) i medicinske billeder. Den største fordel ved denne innovation er udviklingen af en generisk algoritme til at genkende mønstre i billeder, uafhængigt af typen af billede (CT, MR, osv.) eller typen af abnormitet. Dette gør det muligt at bruge det samme softwaresystem til at løse et væld af forskellige kliniske problemer. Målet er ikke kun hurtigt at identificere raske individer, men også at opdage abnormiteter, der ikke er direkte forbundet med det kliniske spørgsmål (tilfældige fund). Ved automatisk at identificere alle abnormiteter i billederne, vil man undgå at mangle noget afgørende. (Danish)
4 November 2022
0 references
Целта на този проект е да се проучат софтуерни решения, използващи технология за дълбоко обучение, за да се постигне автоматично, бързо и надеждно откриване на аномалии (като рак) в медицински изображения. Основното предимство на тази иновация е разработването на генеричен алгоритъм за разпознаване на модели в изображенията, независимо от вида на изображението (CT, MR и т.н.) или вида на аномалиите. Това позволява да се използва една и съща софтуерна система за решаване на множество различни клинични проблеми. Целта е не само бързо да се идентифицират здрави индивиди, но и да се открият аномалии, които не са пряко свързани с клиничния въпрос (инцидентни находки). Чрез автоматично идентифициране на всички аномалии в изображенията, пропускането на нещо от решаващо значение ще бъде избегнато. (Bulgarian)
4 November 2022
0 references
Projekti eesmärk on uurida süvaõppe tehnoloogiat kasutavaid tarkvaralahendusi, et saavutada automatiseeritud, kiire ja usaldusväärne kõrvalekallete (nt vähktõbe) avastamine meditsiinilistel piltidel. Selle innovatsiooni peamine eelis on üldise algoritmi väljatöötamine piltide mustrite tuvastamiseks, sõltumata kujutise tüübist (CT, MR jne) või kõrvalekalde tüübist. See võimaldab kasutada sama tarkvara süsteemi, et lahendada palju erinevaid kliinilisi probleeme. Eesmärk ei ole mitte ainult tervislike isikute kiire tuvastamine, vaid ka selliste kõrvalekallete tuvastamine, mis ei ole otseselt seotud kliinilise küsimusega (juhuslikud leiud). Tuvastades automaatselt kõik kõrvalekalded piltidel, välditakse midagi olulist. (Estonian)
4 November 2022
0 references
Het doel van dit project is om softwareoplossingen te verkennen met behulp van deep learning-technologie om automatische, snelle en betrouwbare detectie van afwijkingen (zoals kanker) in medische beelden te bereiken. Het belangrijkste voordeel van deze innovatie is de ontwikkeling van een generiek algoritme om patronen in beelden te herkennen, onafhankelijk van het type beeld (CT, MR, enz.) of type afwijking. Dit maakt het mogelijk om hetzelfde softwaresysteem te gebruiken om een groot aantal verschillende klinische problemen op te lossen. Het doel is niet alleen om snel gezonde individuen te identificeren, maar ook om afwijkingen te detecteren die niet direct verband houden met de klinische vraag (incidentele bevindingen). Door automatisch alle afwijkingen in de beelden te identificeren, wordt het missen van iets cruciaals vermeden. (Dutch)
4 November 2022
0 references
Στόχος αυτού του έργου είναι να διερευνήσει λύσεις λογισμικού χρησιμοποιώντας τεχνολογία βαθιάς μάθησης για την επίτευξη αυτόματης, γρήγορης και αξιόπιστης ανίχνευσης ανωμαλιών (όπως ο καρκίνος) σε ιατρικές εικόνες. Το κύριο πλεονέκτημα αυτής της καινοτομίας είναι η ανάπτυξη ενός γενικού αλγορίθμου για την αναγνώριση των μοτίβων στις εικόνες, ανεξάρτητα από τον τύπο της εικόνας (CT, MR, κ.λπ.) ή τον τύπο της ανωμαλίας. Αυτό επιτρέπει τη χρήση του ίδιου συστήματος λογισμικού για την επίλυση πολλών διαφορετικών κλινικών προβλημάτων. Ο στόχος δεν είναι μόνο ο γρήγορος εντοπισμός υγιών ατόμων, αλλά και ο εντοπισμός ανωμαλιών που δεν συνδέονται άμεσα με το κλινικό ζήτημα (συμπτώματα). Με τον αυτόματο εντοπισμό όλων των ανωμαλιών στις εικόνες, θα αποφευχθεί κάτι ζωτικής σημασίας. (Greek)
4 November 2022
0 references
Šio projekto tikslas – ištirti programinės įrangos sprendimus, naudojant giliojo mokymosi technologijas, kad būtų galima automatiškai, greitai ir patikimai aptikti anomalijas (pvz., Vėžį) medicinos vaizduose. Pagrindinis šios naujovės privalumas yra bendro algoritmo, skirto atpažinti vaizdus, nepriklausomai nuo vaizdo tipo (CT, MR ir kt.) ar anomalijos tipo, kūrimas. Tai leidžia naudoti tą pačią programinę įrangą, kad išspręstų daugybę įvairių klinikinių problemų. Tikslas yra ne tik greitai nustatyti sveikus asmenis, bet ir aptikti anomalijas, kurios nėra tiesiogiai susijusios su klinikiniu klausimu (atsitiktiniai duomenys). Automatiškai identifikuojant visus vaizdų anomalijas, bus išvengta kažko svarbaus. (Lithuanian)
4 November 2022
0 references
Cilj tega projekta je raziskati programske rešitve z uporabo tehnologije globokega učenja za samodejno, hitro in zanesljivo odkrivanje nepravilnosti (kot je rak) v medicinskih slikah. Glavna prednost te inovacije je razvoj generičnega algoritma za prepoznavanje vzorcev v slikah, neodvisno od vrste slike (CT, MR itd.) ali vrste nepravilnosti. To omogoča uporabo istega programskega sistema za reševanje številnih različnih kliničnih težav. Cilj ni le hitro prepoznavanje zdravih posameznikov, temveč tudi odkrivanje nepravilnosti, ki niso neposredno povezane s kliničnim vprašanjem (naključne ugotovitve). S samodejnim prepoznavanjem vseh nepravilnosti na slikah se bo preprečilo nekaj pomembnega. (Slovenian)
4 November 2022
0 references
Projektin tavoitteena on tutkia syväoppimisteknologiaa hyödyntäviä ohjelmistoratkaisuja lääketieteellisten kuvien poikkeavuuksien (kuten syövän) automaattisen, nopean ja luotettavan havaitsemisen saavuttamiseksi. Tämän innovaation tärkein etu on yleisen algoritmin kehittäminen kuvien kuvioiden tunnistamiseksi kuvan tyypistä (CT, MR jne.) tai poikkeavuuden tyypistä riippumatta. Tämän avulla voidaan käyttää samaa ohjelmistojärjestelmää monien erilaisten kliinisten ongelmien ratkaisemiseksi. Tavoitteena ei ole vain tunnistaa nopeasti terveitä yksilöitä, vaan myös havaita poikkeavuuksia, jotka eivät liity suoraan kliiniseen kysymykseen (seuraavat löydökset). Tunnistamalla automaattisesti kaikki kuvien poikkeavuudet, vältetään jotain tärkeää. (Finnish)
4 November 2022
0 references
L'obiettivo di questo progetto è quello di esplorare soluzioni software che utilizzano la tecnologia di deep learning per ottenere il rilevamento automatico, veloce e affidabile di anomalie (come il cancro) nelle immagini mediche. Il vantaggio principale di questa innovazione è lo sviluppo di un algoritmo generico per riconoscere i pattern nelle immagini, indipendentemente dal tipo di immagine (CT, MR, ecc) o dal tipo di anomalia. Ciò consente di utilizzare lo stesso sistema software per risolvere una moltitudine di problemi clinici diversi. L'obiettivo non è solo quello di identificare rapidamente individui sani, ma anche di rilevare anomalie che non sono direttamente collegate alla domanda clinica (risultati accidentali). Identificando automaticamente tutte le anomalie nelle immagini, perdere qualcosa di cruciale sarà evitato. (Italian)
4 November 2022
0 references
Ziel dieses Projekts ist es, Softwarelösungen mit Deep-Learning-Technologie zu erforschen, um eine automatische, schnelle und zuverlässige Erkennung von Anomalien (wie Krebs) in medizinischen Bildern zu erreichen. Der Hauptvorteil dieser Innovation ist die Entwicklung eines generischen Algorithmus zur Erkennung von Mustern in Bildern, unabhängig von der Art des Bildes (CT, MR usw.) oder der Art der Anomalien. Dies ermöglicht es, das gleiche Softwaresystem zu verwenden, um eine Vielzahl verschiedener klinischer Probleme zu lösen. Ziel ist es nicht nur, gesunde Personen schnell zu identifizieren, sondern auch Anomalien zu erkennen, die nicht direkt mit der klinischen Frage zusammenhängen (unfallbedingte Befunde). Durch die automatische Identifizierung aller Anomalien in den Bildern wird etwas Wesentliches vermieden. (German)
4 November 2022
0 references
A projekt célja a mélytanulási technológiát alkalmazó szoftvermegoldások feltárása az orvosi képekben előforduló rendellenességek (például rák) automatikus, gyors és megbízható kimutatására. Ennek az innovációnak a fő előnye egy általános algoritmus kifejlesztése a képek mintáinak felismerésére, függetlenül a kép típusától (CT, MR stb.) vagy a rendellenesség típusától. Ez lehetővé teszi, hogy ugyanazt a szoftverrendszert használják számos különböző klinikai probléma megoldására. A cél nemcsak az egészséges egyének gyors azonosítása, hanem olyan rendellenességek kimutatása is, amelyek nem kapcsolódnak közvetlenül a klinikai kérdéshez (esetleges megállapítások). A képek összes rendellenességének automatikus azonosításával elkerülhető valami fontos dolog hiánya. (Hungarian)
4 November 2022
0 references
Syftet med detta projekt är att utforska mjukvarulösningar med hjälp av djupinlärningsteknik för att uppnå automatisk, snabb och tillförlitlig upptäckt av avvikelser (t.ex. cancer) i medicinska bilder. Den största fördelen med denna innovation är utvecklingen av en generisk algoritm för att känna igen mönster i bilder, oberoende av typ av bild (CT, MR, etc) eller typ av abnormitet. Detta gör det möjligt att använda samma mjukvarusystem för att lösa en mängd olika kliniska problem. Målet är inte bara att snabbt identifiera friska individer, men också att upptäcka avvikelser som inte är direkt kopplade till den kliniska frågan (oavsiktliga fynd). Genom att automatiskt identifiera alla avvikelser i bilderna, missa något viktigt kommer att undvikas. (Swedish)
4 November 2022
0 references
Šī projekta mērķis ir izpētīt programmatūras risinājumus, izmantojot dziļās mācīšanās tehnoloģijas, lai panāktu automātisku, ātru un uzticamu anomāliju (piemēram, vēža) atklāšanu medicīniskos attēlos. Šīs inovācijas galvenā priekšrocība ir vispārēja algoritma izstrāde, lai atpazītu attēlus, neatkarīgi no attēla veida (CT, MR utt.) vai anomālijas veida. Tas ļauj izmantot vienu un to pašu programmatūras sistēmu, lai atrisinātu daudzas dažādas klīniskās problēmas. Mērķis ir ne tikai ātri identificēt veselus cilvēkus, bet arī atklāt anomālijas, kas nav tieši saistītas ar klīnisko jautājumu (gadījuma atrades). Automātiski identificējot visas anomālijas attēlos, trūkst kaut kas būtisks tiks novērsts. (Latvian)
4 November 2022
0 references
Scopul acestui proiect este de a explora soluții software folosind tehnologia de învățare profundă pentru a realiza detectarea automată, rapidă și fiabilă a anomaliilor (cum ar fi cancerul) în imaginile medicale. Principalul avantaj al acestei inovații este dezvoltarea unui algoritm generic de recunoaștere a tiparelor în imagini, independent de tipul de imagine (CT, MR etc.) sau de tipul de anomalie. Acest lucru permite utilizarea aceluiași sistem software pentru a rezolva o multitudine de probleme clinice diferite. Scopul nu este doar de a identifica rapid persoanele sănătoase, ci și de a detecta anomalii care nu sunt direct legate de întrebarea clinică (constatări accidentale). Prin identificarea automată a tuturor anomaliilor din imagini, lipsa a ceva crucial va fi evitată. (Romanian)
4 November 2022
0 references
Cilj ovog projekta je istražiti softverska rješenja pomoću tehnologije dubokog učenja kako bi se postiglo automatsko, brzo i pouzdano otkrivanje abnormalnosti (kao što je rak) u medicinskim slikama. Glavna prednost ove inovacije je razvoj generičkog algoritma za prepoznavanje uzoraka u slikama, neovisno o vrsti slike (CT, MR, itd.) ili vrsti abnormalnosti. To omogućuje korištenje istog softverskog sustava za rješavanje mnoštva različitih kliničkih problema. Cilj nije samo brzo identificirati zdrave osobe, već i otkriti abnormalnosti koje nisu izravno povezane s kliničkim pitanjem (slučajni nalazi). Automatskim identificiranjem svih abnormalnosti na slikama, izbjeći će se nešto ključno. (Croatian)
4 November 2022
0 references
El objetivo de este proyecto es explorar soluciones de software utilizando tecnología de aprendizaje profundo para lograr la detección automática, rápida y confiable de anomalías (como el cáncer) en imágenes médicas. La principal ventaja de esta innovación es el desarrollo de un algoritmo genérico para reconocer patrones en imágenes, independiente del tipo de imagen (CT, MR, etc) o tipo de anormalidad. Esto permite utilizar el mismo sistema de software para resolver una multitud de problemas clínicos diferentes. El objetivo no es solo identificar rápidamente a los individuos sanos, sino también detectar anomalías que no están directamente relacionadas con la pregunta clínica (descubrimientos accidentales). Al identificar automáticamente todas las anomalías en las imágenes, se evitará perder algo crucial. (Spanish)
4 November 2022
0 references
O objetivo deste projeto é explorar soluções de software que utilizem tecnologia de aprendizagem profunda para alcançar a deteção automática, rápida e fiável de anomalias (como o cancro) em imagens médicas. A principal vantagem desta inovação é o desenvolvimento de um algoritmo genérico para reconhecer padrões em imagens, independentemente do tipo de imagem (TC, MR, etc) ou tipo de anormalidade. Isto permite usar o mesmo sistema de software para resolver uma infinidade de diferentes problemas clínicos. O objetivo não é apenas identificar rapidamente indivíduos saudáveis, mas também detectar anormalidades que não estão diretamente ligadas à questão clínica (descobertas acidentais). Ao identificar automaticamente todas as anormalidades nas imagens, a falta de algo crucial será evitada. (Portuguese)
4 November 2022
0 references
L-għan ta’ dan il-proġett huwa li jesplora soluzzjonijiet ta’ softwer bl-użu ta’ teknoloġija ta’ tagħlim profond biex tinkiseb detezzjoni awtomatika, rapida u affidabbli tal-anormalitajiet (bħall-kanċer) fl-immaġnijiet mediċi. Il-vantaġġ ewlieni ta’ din l-innovazzjoni huwa l-iżvilupp ta’ algoritmu ġeneriku biex jiġu rikonoxxuti mudelli fl-immaġni, indipendentement mit-tip ta’ immaġni (CT, MR, eċċ) jew mit-tip ta’ anormalità. Dan jippermetti li jużaw l-istess sistema ta ‘softwer biex isolvu għadd kbir ta’ problemi kliniċi differenti. L-għan mhuwiex biss li jiġu identifikati malajr individwi b’saħħithom, iżda wkoll li jinstabu anormalitajiet li mhumiex marbuta direttament mal-kwistjoni klinika (sejbiet inċidentali). Billi tidentifika awtomatikament l-anormalitajiet kollha fl-immaġini, xi ħaġa nieqsa kruċjali se tiġi evitata. (Maltese)
4 November 2022
0 references
L’objectif de ce projet est d’explorer des solutions logicielles utilisant la technologie d’apprentissage profond pour obtenir une détection automatique, rapide et fiable des anomalies (comme le cancer) dans les images médicales. Le principal avantage de cette innovation est le développement d’un algorithme générique pour reconnaître les motifs dans les images, indépendamment du type d’image (CT, MR, etc.) ou du type d’anomalie. Cela permet d’utiliser le même système logiciel pour résoudre une multitude de problèmes cliniques différents. L’objectif n’est pas seulement d’identifier rapidement les individus en bonne santé, mais aussi de détecter des anomalies qui ne sont pas directement liées à la question clinique (résultats accessoires). En identifiant automatiquement toutes les anomalies dans les images, il sera évité de manquer quelque chose de crucial. (French)
4 November 2022
0 references
Is é is aidhm don tionscadal seo féachaint ar réitigh bhogearraí trí theicneolaíocht domhainfhoghlama a úsáid chun mínormáltachtaí (amhail ailse) a bhrath go huathoibríoch, go tapa agus go hiontaofa in íomhánna leighis. Is é an príomhbhuntáiste a bhaineann leis an nuálaíocht seo ná algartam cineálach a fhorbairt chun patrúin in íomhánna a aithint, neamhspleách ar an gcineál íomhá (CT, MR, srl) nó ar an gcineál neamhghnáchachta. Ligeann sé seo an córas bogearraí céanna a úsáid chun an iliomad fadhbanna cliniciúla éagsúla a réiteach. Ní hamháin gurb é an sprioc atá ann daoine sláintiúla a aithint go tapa, ach freisin mínormáltachtaí a bhrath nach bhfuil nasctha go díreach leis an gceist chliniciúil (torthaí teagmhais). Trí gach mínormáltachtaí sna híomhánna a aithint go huathoibríoch, seachnófar rud éigin ríthábhachtach. (Irish)
4 November 2022
0 references