SWAI : spektral sårklassifisering
Master thesis
Permanent lenke
https://hdl.handle.net/11250/2827175Utgivelsesdato
2021Metadata
Vis full innførselSamlinger
- Master's theses (RealTek) [1724]
Sammendrag
Trykksår er en følge av celledød som oppstår ved at et lokalt område blir utsatt for trykk eller strekk over tid. Dette resulterer i at oksygenførende blodårer klemmes sammen, eller at blodårene rives over. Dermed mister vevet mulighet til å få tilført nødvendig oksygen. Dette igjen resulterer i celledød. Celledøden kan begynne allerede etter 10 minutter. Den fører til væskeansamling under huden, redusert sirkulasjon, fargeendring, og etter hvert åpne sår. Utfordringen er at trykksår som oppdages når de er åpne sår, kan ta fra måneder til år å tilhele. Om trykksår oppdages i tidligere stadier, kan behandlingstiden reduseres til kun noen dager. En viktig faktor for å oppnå dette er flytting av «point-of-care» (POC), slik at trykksårene kan oppdages så tidlig som mulig, og helst før de utvikler seg til et åpent sår.
Problemstillingen i denne oppgaven er å utvikle en kompakt, berøringsfri enhet for tidlig deteksjon av trykksår. Arbeidet med denne problemstillingen har vist at den største utfordringen er å innhente verifiserbar treningsdata for opplæring av systemet.
I arbeidet med oppgaven har det derfor blitt generert egen, kunstig data ved hjelp av maskinlæring. Det er også gjennomført målinger på hud og underliggende muskulatur fra dyr ved hjelp av en «sensorfusion» enhet. For analysering av dataene, er det benyttet forskjellige typer maskinlæring.
Modellene generert av maskinlæringen er vurdert ut fra evnen til å se forskjell på trykksår og vanlig vev. Bildeklassifiseringsmodellen oppnådde en 90% klassifiseringsnøyaktighet. Modellen som ble trent på hemoglobinnivå oppnådde en 80% klassifiseringsnøyaktighet, modellen opptrent på vanninnhold med radar oppnådde en 70% nøyaktighet, mens modellen trent på termisk overflatemåling oppnådde en 100% nøyaktighet grunnet overtilpasning. Dette skyldes mangel på trenings -og valideringsdata, og forventes å forbedres ved å arbeide på større datamengder.