Partners dhealth
Voor deep learning projecten is het verkrijgen van voldoende training samples een uitdaging. Een mogelijke oplossing hiervoor is het toevoegen van nieuwe samples die (eveneens met deep learning technieken) gegenereerd worden op basis van de bestaande database, zogenaamde synthetische data.
Doel is het genereren van een synthetische beelddataset van colonoscopie beelden met en zonder poliepen waarmee dit mechanisme van het creëren van synthetische data in de praktijk te brengen / toepasbaar te maken voor gebruikers.
Mogelijke dataset voor training: https://polyp.grand-challenge.org/Databases/
Er zijn te weinig training samples om een betrouwbaar en generaliseerbaar deep learning systeem te trainen. Verder is het voor partners uit het bedrijfsleven en academische onderzoekers die niet in een klinische setting werken vaak nog moeilijker om aan trainingsdata te komen dus moet er optimaal gebruik worden gemaakt van beschikbare resources.
Resultaat is een werkwijze om te komen tot een getraind netwerk dat in staat is om een groot aantal realistische beelden te genereren die gebruikt kunnen worden voor het trainen van in dit geval een poliep detectie algoritme voor colonoscopie data.
Validatie van de correctheid van gegenereerde beelden moet door specialisten worden gedaan.
Wet- en regelgeving rond acceptatie van getrainde modellen is sowieso al lastig, op dit moment geheel onbekend hoe acceptatie van een model getraind op synthetische data zal zijn.
Kan gaan om genereren van geheel nieuwe beelden met poliepen of het introduceren van (realistische) poliepen in bestaande beelden.
Eyssoniusplein 18, 9714 CE Groningen The Netherlands
email | +31614977343