Mapa dotacji

Celem projektu jest opracowanie aplikacji ENDOSCAN opartej na nowatorskich algorytmach sztucznej inteligencji (AI) służącej do analizy receptywności endometrium na podstawie obrazów ultrasonograficznych. Z uwagi na fakt, iż receptywność endometrium jest kluczowym wskaźnikiem zdolności do przyjęcia i implantacji zarodka w macicy, umiejętność właściwego jej określenia jest kluczowa w kontekście poziomu skuteczności leczenia metodą in vitro. Obecnie dostępne w medycynie rozrodu sposoby na jej określenie m.in. poprzez wykorzystanie wyników analiz wycinków endometrium z biopsji lub na podstawie badań USG, są dalece niedoskonałe. Stworzona innowacyjna aplikacja będzie dostarczała w sposób natychmiastowy, obiektywny oraz wystandaryzowany analizę określającą parametry endometrium oraz będzie udzielała rekomendacji odnośnie transferu zarodków w procesie leczenia niepłodności, w tym IVF. W ramach projektu zakłada się opracowanie algorytmów AI, które na podstawie obrazów USG będą określać grubość, objętość oraz inne cechy morfologiczne endometrium pacjentki. Przewidujemy określenie nowych markerów oraz zbudowanie algorytmów pozwalających na automatyczne wyznaczanie tych markerów. Zbadamy możliwość opracowania w pełni automatycznego klasyfikatora obrazów USG endometrium, który określi prawdopodobieństwo ciąży, z pominięciem pośredniego etapu określania markerów. Jako dane uczące wykorzystamy zbiory filmów USG wraz z opisami. Opracowane zostaną wysokospecjalistyczne sieci neuronowe pracujące zarówno na pojedynczych klatkach z filmu USG (dane 2D – dwa wymiary geometryczne) oraz na przebiegach czasowych: analiza wszystkich klatek filmu jednocześnie (dane 3D – dwa wymiary geometryczne i czas lub 3 wymiary geometryczne), a także uwzględniające dane z USG Doppler. Co istotne, aplikacja ENDOSCAN będzie uniwersalna, zarówno pod kątem kompatybilności z danymi pochodzącymi z aparatów USG różnych typów i producentów, a także w odniesieniu do zróżnicowanych cech fizycznych pacjentek.