GINOP-2.2.1-18-2018-00001  

Kedvezményezett neve:

  • Starschema Kereskedelmi és Szolgáltató Korlátolt Felelősségű Társaság
  • BlackBelt Technology Korlátolt felelősségű Társaság
  • Természettudományi Kutatóközpont

Projekt azonosítószáma: GINOP-2.2.1-18-2018-00001

Projekt címe: Kép és video intelligencia felhőszolgáltatás fejlesztése teleradiológia képalkotás feldolgozásának javítására

A szerződött támogatási összeg: 789 147 182 Ft

Támogatási intenzitás: 75 %

Projekt időtartama: 2019.03.01-2022.03.31.

Projekt tartalma:

A projekt célja egy kép és video intelligencia platform, vagyis egy olyan mesterséges intelligencia felhőszolgáltatás (ArtificialIntelligenceas a Service – AIaaS) létrehozása, mely webes felületen bárki számára elérhetővé teszi kép és videó alapú mesterséges intelligencia alkalmazások készítését. Ezzel olyan vállalatok számára is elérhetővé teszi a mesterséges intelligencia alkalmazását kép és videó adatvagyonuk kiaknázására, melyek nem rendelkeznek megfelelő szakértelemmel és erőforrással MI alapú fejlesztések finanszírozásához. Ehhez intuitív felhasználói felület és jól irányított munkafolyamatok kialakítása szükséges, mely egy grafikus felületen végig vezeti a felhasználót a mesterséges intelligencia alkalmazások kialakításának lépésein, miközben elég rugalmasan konfigurálható ahhoz, hogy a szolgáltatás univerzálisan használható legyen. Továbbá, a projekt keretében az AIaaS felhőszolgáltatás alkalmazási modelljeként kidolgozásra került egy teleradiológiában alkalmazható felhőszolgáltatás, ami lehetővé teszi az MRI – és a későbbiek során egyéb képdiagnosztikai – felvételek automatikus, MI alapú minőség kontrollját és keretrendszereként szolgálhat további diagnózis-támogató MI alkalmazások fejlesztésének. Ennek keretében létrehozásra került egy agyi strukturális MRI adatbázis, mely magába foglalja a publikus adatbázisokból kiválasztott, valamint a jelen pályázat keretében gyűjtött, saját T1-súlyozott strukturális MRI felvételeket. Kialakításra került egy MRI adatfeldolgozási platform, melynek részét képezi az MRI felvételek előfeldolgozását és harmonizációját biztosító hardveres és szoftveres környezetet. Megvalósult az adatbázis részét képező MRI felvételeken található, radiológiai szempontból releváns műtermékek címkézése MR szakértők és radiológus szakorvosok részvételével. Kidolgozásra kerültek hatékony, mélytanuláson alapuló algoritmusok, melyek lehetővé teszik mágneses rezonancia képalkotással (MRI) nyert felvételek műtermékekkel való terheltség szempontjából történő osztályozását minőség-ellenőrzés céljából, valamint a felvételek további, automatikusan történő strukturális elemzését. A kidolgozott 3D konvolúciós neurális hálózati architektúra klasszifikációs teljesítményének teszthalmazon mért kiegyensúlyozott pontossága 94.22%. A strukturális MRI felvételek automatikus minőség ellenőrzésére kidolgozott mélytanuló mesterséges neurális hálón és nyers képi adatokon alapuló eljárás sztenderd képi minőségjellemzők és agyi szegmentációs metrikák segítségével került validálásra gépi tanulás alkalmazásával. Megvalósult az MRI felvételek automatikus minőség ellenőrzésére kifejlesztett keretrendszer széleskörű alkalmazhatóságának igazolása egy publikus (OARSI) térd MRI adatbázison.

A tervezett automatikus minőségkontroll szolgáltatás lehetővé teszi, hogy a vizsgálat elkészülését követően azonnal kiszűrésre kerüljön az MRI felvételek azon 15-30%-a (Esteban et al., 2017), amely alkalmatlan diagnózis megállapítására. Ezáltal a vizsgálat megismétlése késedelem nélkül, ott helyben megtörténhet és kiküszöbölhető egy ismétlő új vizsgálat elvégzése. Mindez jelentősen csökkenti a betegek terhelését és várakozási idejét valamint a radiológiai szolgáltatást végző intézmények költségeit egyaránt. Továbbá, lényegesen megnöveli a teleradiológiai szolgáltatások hatékonyságát és mivel objektív információval szolgál a vizsgálatok minőségi/megbízhatósági mutatóiról, fontos szerepet játszhat a kezelési stratégiák összeállításában/eldöntésében is. A tervezett projekt során a konzorciumvezető Starschema Kft. felel a hatékony és jól skálázható felhőplatform, valamint a platformon futó háttérfolyamatok kifejlesztéséért (backend), míg a BlackBelt Kft az intuitív felhasználói felület, illetve felhasználó-menedzsment kialakításáért felel (frontend). A platformon megvalósuló első modell-szolgáltatást lehetővé tevő mesterséges intelligencia algoritmus kutatása és kifejlesztése pedig a Természettudományi Kutatóközpont Agyi Képalkotóközpontjában zajlik. A projekt során keletkező AIaaS kulcsfontosságú és hiánypótló szerepet tölthetne be az MI alapú innováció és vállalati termékfejlesztés magyarországi térhódításában, az MI hordozta korszakalkotóan új gazdasági potenciál hatékony kiaknázásban.

http://palyazat.ttk.hu/teleradiologia