Autori: Irena Galić, Marija Habijan
Država: Hrvatska
Podatci o tvrtki prijavitelju
Država: Hrvatska
Email: ferit@ferit.hr
Foto galerija
Podatci o inovaciji (HR)
Naziv inovacije: IMAGINEHEART
Kratki opis inovacije: Računalni algoritmi za obradu i analizu slika kardiovaskularnog sustava temeljeni na metodama strojnog i dubokog učenja.
Duži opis inovacije: Kardiovaskularne bolesti uzrokuju godišnje više od 40% svih smrti u Europskoj Uniji. Metode snimanja u medicinske svrhe nezaobilazne su za utvrđivanje stanja kardiovaskularnog zdravlja neke osobe, a najčešće metode su računalna tomografija (CT) i magnetska rezonanca (MRI). Interpretacija tako prikupljenih medicinskih slika izrazito je ovisna o metodama računalne obrade, a potrebna programska podrška često je vrlo skupa i vezana uz proizvođača pojedinog uređaja, što otežava pristup takvom softveru manjim bolnicama i istraživačima. Osnovni cilj ovog projekta je razviti nove metode za analizu kardiovaskularne slike koje će moći odrediti što je više moguće kardiovaskularnih kvantifikacija srca iz što je moguće manje slika kako bi se postigla višestruka analiza kardiovaskularnog zdravlja. Takva analiza postići će se utvrđivanjem uzročno posljedičnih veza između određenih kvantifikacija i njihove dokazane utjecaje na kardiovaskularno zdravlje. Primjer kvantifikacija koje se mogu koristiti su: geometrija i volumen srca, geometrija bitnih arterija, morfologija aurikula lijeve pretklijetke, tok krvi kroz aortu, analiza srčane popustljivosti te kvantizacija epikardijalne masti. Odstupanje od normalnih vrijednosti gotovo svake od ovih kvanfitikacija faktor je rizika u razvoju neke od srčanih bolesti. Prepoznavanjem takvih odstupanja na vrijeme omogućit će se prepoznavanje potencijalnih rizika za zdravlje pacijenta što predstavlja fundamentalno poboljšanje u dijagnostici i tretmanu pacijenata.
Podatci o inovaciji (EN)
Naziv inovacije: IMAGINEHEART
Kratki opis inovacije: Computer algorithms for processing and analyzing images of the cardiovascular system based on machine and deep learning methods.
Duži opis inovacije: Cardiovascular diseases cause more than 40% of all deaths in the European Union. Imaging methods for medical purposes are indispensable for determining a person's cardiovascular health, and the most common methods are computed tomography (CT) and magnetic resonance imaging (MRI). The interpretation of medical images collected in this way is extremely dependent on computer processing methods. The necessary software support is often very expensive and tied to the manufacturer of the individual device, making access to such software difficult for smaller hospitals and researchers. The main goal of this project is to develop new methods for cardiovascular image analysis that will determine as many cardiovascular quantifications of the heart as possible from as few images as possible to achieve multiple analyses of cardiovascular health. Such an analysis will be achieved by establishing cause-and-effect relationships between certain quantifications and their proven impact on cardiovascular health. Examples of quantifications that can be used are: geometry and volume of the heart, geometry of vital arteries, the morphology of the auricles of the left atrium, blood flow through the aorta, analysis of cardiac compliance and quantization of epicardial fat. Deviation from the normal values of almost every one of these quantifications is a risk factor in the development of some of heart diseases. Recognizing such deviations in time will enable recognition of potential risks to the patient's health, which represents a fundamental improvement in the diagnosis and treatment of patients.
