Dieses Projekt untersucht verschiedene Ansätze zur Erkennung von Handgelenksfrakturen.
Machine Learning, Handgelenksfrakturen, Pytorch, Deep Learning
In dieser Arbeit soll untersucht werden, ob der Einbezug verschiedener Modalitäten eine Verbesserung bringt. Desweiteren soll untersucht werden ob sich der öffentlich verfügbare GRAZ Datensatz dazu eignet die ergebnisse zu verbessern. Ausserdem soll untersucht werden welche Architektur geeignet ist um mittels Object Detection kleine Bruchstellen zu lokalisieren.
Auf einer Intensivstation herrscht ein grosser zetlichr Druck. Um die Fachpersonen zu entlasten soll in einer Zusammenarbeit zwischen dem KSBL und der FHNW untersucht werden, ob Künstliche Intelligenz dazu eingesetz werden kann. In einer vorhergenden Bachelorarbeit wurde die Machbarkeit einer Klassifikation und einer Lokalisierung der Brüche untersucht. Aufabauend darauf sollen nun verschiedene Aspekte weiter untersucht werden.
Die Zuschneidung der Röntgenbilder auf eine Interessante Region war erfolgreich gelungen. Das Landmarkmodell, welches interessante Punkte im Handgelenk erkennt, wurde dabei verwendet. Eine Analyse der Multimodale Modellen hat ergeben, dass das Hinzuziehen von dem Alter und Geschlecht eine Verbesserung der Wahrscheinlicheiten, der bereits korrekt klassifizierten Bildern, ergab. Es zeigte sich aber keine Verbesserung der Genauigkeit gegenüber einem Modell das nur ein Röntgenbild hatte. Das Hinzuziehen einer zweiten Ansicht des Handgelenks brachte keine Verbesserungen. Bei den Modellen, die Brüche auf den Röntgenbilder lokalisieren, kam heraus, dass das Yolo Modell am besten Abschnitt. Ebenfalls wurde herausgefunden, dass sich eine Bounding Box für das Einzeichnen der Brüche am Besten eignet gegenüber mehreren kleinen. Die beiden Datensätze, die verwendet wurden konnten nicht kombiniert werden, weil unterschiedliche Frakturarten eingezeichnet sind.
Projektdauer: 27.09.22 bis 24.03.23
Aufwand pro Person: 360 Std.
Teamgrösse: 2
Fachhochschule Nordwestschweiz Institut für Data Science
Samuel Gübelin
Raphael Jordi
Prof. Dr. Matrin Melchior, martin.melchior@fhnw.ch
Dr. Cédric Huwyler, cedric.huwyler@fhnw.ch
