Convolutional Neural Network [CNN] til ultralyd blæredeteksjon.

Offentlig prosjektsammendrag

Prosjektet omfatter å utvikle en ny banebrytende ultralyd blæreskanner som bruker Convolutional Neural Network [CNN] til ultralyd blæredeteksjon. Produktet gir høyere brukertilfredshet ved at det oppleves enklere og tryggere å bruke. Ultralyd blæreskanning brukes for å angi urinmengde i blæren, og er nyttig for å vurdere om pasienten trenger kateterisering. Kateterisering er forbundet med ubehag for pasienten, men også en betydelig fare for infeksjon samt kostnader med tanke på engangsutstyr og personelltid, og man ønsker derfor å unngå unødvendig innsetting av kateter. Ultralyd blæreskanner brukes på sykehus og private klinikker samt i primæromsorgen, - så som sykehjem, geriatrisk omsorg og i hjemmehjelpen. Operatørene er ofte sykepleiere eller hjelpepleiere uten spesiell opplæring innen urologi eller ultralyd. Bruk av midlertidige ansettelser og innleid personell gjør at mange operatører er uerfarne i ultralyd blæreskanning. Pasienter har varierende kroppsstørrelse og ulik urinblære fasong. Tynne pasienter har ofte urinblære liggende tett ved eller like bak symfysen. Det kan gi skygge av symfysen i ultralydbilde som ofte gir feilmåling. Hos tykke pasienter kan ultralydbilde bli forringet på grunn av fettvev. Det kan gi utydelig blærekant. Arr etter operasjoner eller skader gir forstyrrelser. Væske i tarm eller væskeholdige cyster gir i tillegg grunnlag for feilmålinger. Ved blærefylling utvides blærens fasong seg ulikt for pasienter. Blærefasong påvirkes også av om pasienten ligger, sitter eller står. Dette er noen utfordringer vi møter ved blæreskanning. Forstyrrelser og feilmålinger kan skape skepsis og utrygghet hos brukerne. Riktig bruk av blæreskanner krever opplæring og ferdigheter. Ved bruk av Convolutional Neural Network [CNN] teknologi ønsker vi å redusere utfordringene som her beskrevet slik at man oppnår en mer pålitelige måling og en tryggere opplevelse for operatøren.