Dit doctoraatsonderzoek gebruikt artificiële intelligentie om cardiovasculaire medische beelden te analyseren en beoogt daarbij efficiënte en nauwkeurige modellen aan te bieden die artsen kunnen helpen bij het besluitvormingsproces. De belangrijkste focus van deze studie ligt op transkatheter hartklepinterventies, een behandeling waarvan verwacht wordt dat ze de komende jaren aanzienlijk zal toenemen. Omdat deze ingrepen gewoonlijk via de lies gebeuren en de borstkas hiervoor niet geopend moet worden, is een nauwkeurige preoperatieve medische beeldanalyse cruciaal voor een optimale behandeling van de patiënten. De analyse is echter niet altijd eenvoudig vanwege de complexiteit van specifieke pathologieën, dimensies van de beelden, beeldkwaliteit en de ervaring van de operator. Automatische beeldanalyse kan hier mogelijks een oplossing bieden. Bovendien kan automatisatie helpen om de efficiëntie te verhogen in hoge volume centra met veel ervaring, en kan het helpen om bij minder ervaren centra de nauwkeurigheid van de analyses te verhogen. Om tegemoet te komen aan deze noden, heb ik verschillende van deze transkatheter hartklepinterventies onderzocht en automatische technieken bedacht, gebaseerd op deep learning, die de arts kunnen helpen met cardiovasculaire medische beeldanalyse.
| |