Bildbasierte Detektion, Klassifikation und Dokumentation von Polypen mithilfe von Künstlicher Intelligenz
© iStock.com/PhonlamaiPhoto
Ziel des Projektes »Deep Colonoscopy« ist die Entwicklung eines Systems zur automatisierten Detektion, Klassifikation und Dokumentation von Polypen und Läsionen in Echtzeit. Hierzu werden geeignete tiefe neuronale Netzwerkarchitekturen evaluiert und trainiert, die in der Datenanalyse sowohl eine hohe Sensitivität als auch Spezifität aufweisen und gleichzeitig auf low-complexity Hardwarekomponenten laufen können.
Das intelligente Endoskopiesystem soll Ärzte bei der Befundung unterstützen, indem es
Darmkrebs zählt zu den am häufigsten auftretenden Krebsarten. Als zuverlässigste Methode zur Früherkennung von Darmkrebs, insbesondere dessen Vorstufen, die Adenome, gilt die Darmspiegelung.
Die Herausforderung für den Arzt besteht darin, auch unter Zeitdruck alle Läsionen (insbesondere kleine Polypen, flache Neubildungen, Blutungen, usw.) zu erkennen, zu differenzieren, zu dokumentieren und zu behandeln. Während der Untersuchung muss sich der Arzt allein auf sein Vorwissen und Erfahrung verlassen, während er die Darmwandungen Stück für Stück mit der Endoskopspitze abfährt. Eine 3D-Visualisierung des Darms als auch eine Vorabklassifikation in Echtzeit gibt es nicht. Die eigentliche Befunddokumentation erfolgt erst im Nachgang der Untersuchung.
Ziel des Projektkonsortiums ist es daher, dem Arzt ein System zur echtzeitfähigen Befundunterstützung an die Hand zu geben, um sowohl das Diagnoserisiko zu minimieren als auch den Befundszeitraum zu reduzieren.
Fraunhofer-Institut für Integrierte Schaltungen IIS