Deep Learning im medizinischen Post-Processing
Situation
Als etablierter Partner für medizinisches Bild-Post-Processing trat ein Medizintechnik-Kunden an die Method Park Engineers heran, um gemeinsam neue Technologietrends in der Bildverarbeitungsalgorithmik zu evaluieren und ggf. hinsichtlich möglicher Qualitätssteigerung bei mindestens gleichbleibender klinischer Alltagstauglichkeit in Produkten umzusetzen.
Konkret sollten die Möglichkeiten des maschinellen Lernens - insbesondere des Deep Learnings - betrachtet und bei Eignung integriert werden. Method Park hat hier den Kunden auf dem Weg von Prototypen bis hin zur Integration robuster und neuer, Deep Learning-basierter Algorithmik unterstützt.
Dauer des Projektes
Ca 1,5 Jahre
2 .net Entwickler
Haben Sie Fragen?
Wollen Sie sich zu unserem Themen-Portfolio beraten lassen?
Lösung
Zunächst wurde eine renommierte Open Source Deep Learning-Bibliothek zur teamübergreifenden Nutzung in das international aufgestellte Kundenprojekt eingeführt. Vorab wurde sie unter Berücksichtigung der bestehenden Prozesse des Kunden und der im regulatorischen Umfeld relevanten Normen an die technologischen und lizenzrechtlichen Besonderheiten des Projektes angepasst.
Es wurden die Prinzipien des Software Craftsmanship berücksichtigt und normenkonform umgesetzt. Sämtliche Arbeiten unterlagen zudem den zahlreichen Anforderungen, die sich sowohl aus dem medizinischen als auch dem regulatorischen Kontext ergaben. Hierzu zählte unter anderem die Pflege einer umfassenden technischen Dokumentation.
Die Einhaltung von Vorgaben bezüglich Laufzeit und Ressourcenverbrauch der Software auf kundenspezifischen Hardware-Konfigurationen wurde sichergestellt. Method Park war dabei entwicklungsbegleitend in direktem Kontakt mit klinischen Know-how-Trägern. Weiterhin fungierten die Method Park Experten als Ansprechpartner für alle Fragen der Software-Ingenieure des Kunden, die die neu eingeführte Funktionalität nutzen wollten. Zusätzlich stand Method Park in ständigem Austausch mit universitätsnahen Algorithmik-Wissenschaftlern aus dem Fachgebiet der medizinischen Bilddatenverarbeitung.
Ihre Implementierungsarbeiten haben die Method Park Engineers in die bestehende, umfangreiche Code-Basis des Kundenprojektes integriert. Hierbei legte Method Park ein besonderes Augenmerk darauf, ungewollte Seiteneffekte von Änderungen zentraler Komponenten auf die algorithmischen Ergebnisse auszuschließen.
Lösung
Einführung einer Open Source Deep Learning-Bibliothek
Berücksichtigung der Regeln des Software Craftsmanship
Nutzung externen Know-hows aus klinischer Praxis und Wissenschaft
Weitere Informationen
Ergebnis
Mit der Unterstützung von Method Park konnte der Kunde den neuen Technologietrend Deep Learning frühzeitig evaluieren und für sich nutzen, um im Projekt die Qualität seiner Software zur Befundung medizinischer Bilddaten zu steigern und damit seinen Anspruch als Technologieführer zu festigen.
Ergebnis
Frühzeitige Nutzung des Technologietrends Deep Learning
Normenkonforme Integration in der Medizintechnik
Steigerung der Software-Qualität
Clean Code – Hands-on Workshop zu sauberem Code
Hands-on Workshops
Continuous Integration & Delivery - Hands-on Workshop
Hands-on Workshops
Entity Framework - Hands-on Workshop
Hands-on Workshops
Git – Hands-on Workshop zur verteilten Versionsverwaltung
Hands-on Workshops
Qt und QML: Hands-on Workshop zur Oberflächen-Programmierung
Hands-on Workshops
Unit Test Hands-on Workshop
Test & Qualitätssicherung Hands-on Workshops
Haben Sie Fragen?
Sie wollen sich über unser Seminar-Angebot informieren?