Dopplerbaserte flowsignal fra nyrearterie
Svekket regulering av nyregjennomblødningen er et tidlig tegn på akutt nyresvikt, men er vanskelig å måle klinisk siden nyrene beveges med pusten. Vi bruker maskinlæring for å måle nyreblodstrøm uavhengig av pustebevegelsene.
Bakgrunn
Akutt nyresvikt er en fryktet komplikasjon ved store operasjoner og alvorlig sykdom. Den både forlenger sykeleiet og øker dødeligheten. Fordi nyrene har stor reservekapasitet oppdages nyresvikten seint. Undersøkelse av autoreguleringen av nyrens blodstrøm gir tidligere diagnose og kan bidra til redusert sykelighet og død. Dette krever imidlertid lengre registrering av nyreblodstrømmen enn hva som er mulig med konvensjonell ultralyd.
Metode
Utvikling av dyp lærings algoritmer for automatisk segmentering og tracking av nyrearterier for ultralydopptak av blodstrømsdata av flere minutters varighet. Estimering av blodstrømshastigheter med flere ulike metoder, samt kombinering av blodtrykks- og blodstrømsdata.
Status og fremdrift
Prosjektet befinner seg i en teknisk utviklingsfase. Nyetablerte algoritmer og metoder må valideres ved datasimulering, testing i modeller og forsøksdyr. Parallelt med dette starter vi innsamling av et større datamateriale fra pasienter med sikte på videreutvikling og optimalisering av metodene.
Resultater
Vi har lyktes med å definere en bevegelig «Region of interest» for innhenting av blodstrømsdata og metoder for akvisisjon av komplekse hastighetsssignal fra denne.
Gevinster
Maskinlæring kan gi robuste målinger av blodstrømshastigheter over lengre tid enn det som er mulig med konvensjonell ultralyd. Dermed kan utvikling av en klinisk anvendbar metode for undersøkelse av autoreguleringen av nyrens blodstrøm være mulig.