Microscoop beelden analyseren
Doordat de meeste SEM en normale microscopen tegenwoordig digitaal zijn is het een stuk eenvoudiger geworden om automatisch de beelden te verwerken. Dat kan zijn om in wetenschappelijk onderzoek grote hoeveelheden data te generen of om bijvoorbeeld semi automatisch een diagnose te stellen. Indien er grote hoeveelheden geannoteerde data reeds beschikbaar zijn kunnen we deep learning gebruiken om vervolgens nieuwe beelden te analyseren. Als er weinig data beschikbaar is kunnen we ook met klassieke beeldherkenning herkennen wat er in beeld is. Zie voor een voorbeeld ons Malaria project.
3D beeldherkenning op volumes
Veel medische beeldvorming levert volumes op door op meerdere dieptes een beeld te maken. Deze 3D beelden lenen zich er ook goed voor om bijvoorbeeld automatisch bepaalde volumes te categoriseren. Ook kan er gekeken worden of bepaalde weefsels of structuren terug te vinden zijn in een scan. Als daar ook nog eens informatie over tijd beschikbaar is kan gekeken worden naar de beweging van verschillende delen ten opzichte van elkaar.
3D beeldherkenning op volumes
Veel medische beeldvorming levert volumes op door op meerdere dieptes een beeld te maken. Deze 3D beelden lenen zich er ook goed voor om bijvoorbeeld automatisch bepaalde volumes te categoriseren. Ook kan er gekeken worden of bepaalde weefsels of structuren terug te vinden zijn in een scan. Als daar ook nog eens informatie over tijd beschikbaar is kan gekeken worden naar de beweging van verschillende delen ten opzichte van elkaar.
Artificial Intelligence voor medische toepassingen
De laatste jaren zijn er op een aantal gebieden in de geneeskunde ontwikkelingen waar gebruik gemaakt wordt van kunstmatige intelligentie. Veel van deze ontwikkelingen vinden plaats in de medische beeldvorming, met name voor het automatisch segmenteren of identificeren van onderdelen in het menselijk lichaam in zowel 2D als 3D beeld (bijvoorbeeld in DICOM formaat). Het doel van veel van deze toepassingen is om tijd te besparen voor de specialist door een goed inzicht te geven dat nodig is voor het stellen van een diagnose. Daarnaast is juist in het medisch onderzoek van belang om grote hoeveelheden data automatisch te annoteren om sneller tot conclusies te komen.
Thermische beeldherkenning
Over het algemeen worden thermische beelden niet vaak ingezet in medische context. Toch zijn er mogelijkheden om met thermische camera’s automatisch te detecteren wat de lichaamstemperatuur is van mensen en of deze bijvoorbeeld afwijkend is. Zo kan er in grote mensenstromen automatisch gekeken worden of er iemand koorts heeft. Ook kan er gekeken worden naar de spreiding in temperatuur over bepaalde lichaamsdelen.
Thermische beeldherkenning
Over het algemeen worden thermische beelden niet vaak ingezet in medische context. Toch zijn er mogelijkheden om met thermische camera’s automatisch te detecteren wat de lichaamstemperatuur is van mensen en of deze bijvoorbeeld afwijkend is. Zo kan er in grote mensenstromen automatisch gekeken worden of er iemand koorts heeft. Ook kan er gekeken worden naar de spreiding in temperatuur over bepaalde lichaamsdelen.
Apps als medische hulpmiddelen
In de gezondheidszorg zien wij steeds vaker dat apps of software wordt ingezet als ondersteuning van de reguliere zorg. Het gaat hier bijvoorbeeld om apps die kunnen helpen in het stellen van een diagnose op afstand, maar ook voor het bijvoorbeeld meten of in kaart brengen van gezondheid. Studio diip heeft ervaring in het ontwikkelen van de beeldherkenning kant van dit soort apps. Zo hebben we bijvoorbeeld een lengtemeting app ontwikkeld, maar ook software voor het uitlezen van medische of gezondheidstests. We houden hierbij altijd rekening met de wetgeving voor medische hulpmiddelen en de benodigde CE markering. We zijn dan ook bekend met de eisen voor het vastleggen en reproduceerbaar maken van resultaten en de privacy wetgeving omtrent medische data.
