AI based Detection of Acute Respiratory Distress Syndrome (AI-DARDS)
| Diarienummer | |
| Koordinator | Uppsala universitet |
| Bidrag från Vinnova | 2 490 000 kronor |
| Projektets löptid | januari 2021 - juni 2024 |
| Status | Avslutat |
| Utlysning | Samverkan mellan Vinnova och Department of Biotechnology (DBT), Indien |
| Ansökningsomgång | Bilateralt samarbete med Indien inom hälsa och AI inför utmaningar som Coronaviruset |
Viktiga resultat som projektet gav
Dielektrisk profilering: Vi utvecklade metoden "A Fast Domain-Inspired Unsupervised Method to Compute COVID-19 Severity Scores from Lung CT" för profilering. Utveckling av AI-DARDS-system: Vårt team skapade AI-DARDS, ett mikrovågssystem för att diagnostisera och förutsäga sjukdomens svårighetsgrad med maskininlärning. Fantommodell: En vätskebaserad modell med gris lunga utvecklades för att validera AI-DARDS och visade hög noggrannhet för ARDS. Datainsamling: Data från experiment samlades in, med framtida planer på tester på patienter.
Långsiktiga effekter som förväntas
Akut respiratoriskt distressyndrom (ARDS) har blivit alltmer akut efter COVID-19 på grund av dess snabba utveckling och livshotande komplikationer. Vår forskning utvecklade ett bärbart mikrovågssystem för att diagnostisera och bedöma ARDS. Systemet kategoriserar ARDS i fyra nivåer genom att analysera lungans dielektriska förändringar. En XGBoost-klassificerare förbättrade noggrannheten. Systemet erbjuder en icke-invasiv, portabel lösning för kontinuerlig ARDS-övervakning.
Upplägg och genomförande
Sensortutveckling: Vi designade en lågprofilsantenn med riktad strålning och bredbandsfrekvens för applikationer som inomhuskommunikation. Designen använder en ringformad reflektor (RBR) för att kombinera låg profil och bredbandsrespons. En bågformad antenn, omgiven av en metallring, optimerades för frekvenser 1,5-3,13 GHz, inklusive 2,45 GHz ISM-bandet. Fantonutveckling: Ett flytande fantom skapades för att efterlikna bröstkorgens dielektriska egenskaper och verifierades med DAK 3.5 och VNA.