Håndholdte ultralydsystemer tilbyr praktisk og kostnadseffektiv bildediagnostikk til helsepersonell og helseinstitusjoner som i dag i liten grad benytter ultralyd. En av grunnene til at ultralyd ennå ikke er utbredt blandt fastleger, ambulansepersonell, fysioterapeuter, på akuttmottak eller på sykehjem er den mengden opplæring og trening som kreves for å kunne benytte ultralyd diagnostisk.
Dette prosjektet søker å utvikle løsninger som kan redusere mengden opplæring som trengs ved å utvikle gode visuelle løsninger som kan assistere nye ultralydbrukere til effektiv bruk av håndholdt ultralyd. Løsningene retter seg både mot å lokalisere aktuelle organer som skal avbildes og å fremheve kliniske elementer i ultralydbildene som er viktig for en eventuell diagnose.
For å realisere disse løsningene har prosjektet i stor grad benyttet nyvinninger innen kunstig intelligens. Mer spesifikt, har prosjektet undersøkt muligheten for å benytte både ultralydbilder og sensordata fra treghetsmålere i KI-modeller, samt hvordan KI-modeller kan kjøres på eksisterende mobile enheter (mobiltelefoner, nettbrett) som er trådløst koblet til en håndholdt ultralydskanner.
Prosjektet har demonstrert en konseptmodell for hvordan kunstig intelligens kan integreres som del av en mobil app for ultralydundersøkelse. Den samme konseptmodellen har demonstrert hvordan kunstig intelligens kan brukes til å automatisere bildekvalitetstesting av ultralydskannere på produksjonslinja, for på den måten å oppnå effektiv produksjon med stabil produktkvalitet. Det er utviklet en fungerende prototype som demonstrerer en løsning for å assistere uerfarne brukere ved en ultralydundersøkelse. Løsningen gjør det enklere å forstå hvor i det tredimensjonale rommet det viste 2-dimensjonale ultralydbildet taes opp, og hvordan ultralydproben er posisjonert. Prosjektet har også demonstrert visuelle løsninger som fremhever kliniske elementer både i 2D-bilder og i 3D-volumrekonstruksjoner.
GE Vingmed Ultrasound have significantly strengthened the position in the global handheld ultrasound market. Independent sources indicate GE HealthCare is now market leader in handheld ultrasound (https://www.linkedin.com/posts/rezazahiri_handheld-ultrasound-market-activity-7134994789237755905-fDVG), and GE Vingmed Ultrasound is the main design center for handheld ultrasound within GE HealthCare. Two major product introductions during the projects lifetime incorporating parts of the program results have formed the basis for important feature additions in these product introductions. The results from the project has the potential to enable really efficient collaboration with teams within and outside of GE Healthcare, which will bring new clinical solutions to the handheld products at a relatively high pace in the years to come. It is also anticipated that the results from the project will significantly contribute to enhanced ultrasound guidance solutions in coming product updates.
Creating images of the interior of the human body is a crucial ingredient to modern medical diagnostics. Unfortunately, equipment for such medical imaging is typically bulky and expensive to buy, operate, and maintain. At points where care is given most frequently, such as at the general practitioner’s office, in an ambulance, emergency room, or a nursing home, medical imaging is therefore largely absent today. While small, portable ultrasound scanners could revolutionize this situation and bring affordable and side-effect-free ultrasound to the point of care, widespread adoption of such devices has not happened yet. This is mostly due to the large amount of training required to confidently operate ultrasound scanners, which poses an unreasonable investment for less experienced, occasional users.
The vision of this project is to create an Intelligent Hand-held Ultrasound Device – INHUD – that visually assists healthcare professionals with little or no ultrasound experience in the device’s operation and in their clinical decision making. Our ambition is to offer a new hand-held imaging solution which opens the door to ultrasound for occasional users and provides significantly increased productivity and diagnostic confidence also for more experienced ones.
The most important R&D challenges we together with our partner SINTEF expect to address in this project are
- to gain a spatial understanding of the scanned area,
- to perform intelligent full-body anatomy labelling in scanned ultrasound images,
- to intelligently visualize regions of medical interest,
- to provide visual aid for probe handling to the user,
- and to do all that without noticeable lag with respect to probe movement.
- to utilize the developed labeling technology to gain productivity in the manufacturing environment by implementing more efficient system test procedures based on artificial intelligense.
