SubsidieMeestersUltrasnelle data-acquisitie met optimale signaal-ruisverhouding ten behoeve van 3D foto-akoestische en echografische mammografie
Het project ontwikkelt een innovatieve foto-akoestische mammografie om pijnloze, stralingsvrije borstkankerscreening te bieden, met als doel de diagnose te verbeteren en de methode marktrijp te maken.
Projectdetails
Inleiding
Foto-akoestische mammografie kan de nieuwe standaard voor borstkankerscreening en -diagnostiek worden omdat deze pijnloze, vrouwvriendelijke methode niet gehinderd wordt door weefseldichtheid, geen schadelijke straling, contrastvloeistof of compressie gebruikt, operator-onafhankelijke resultaten levert en geen eisen stelt aan tussenpozen tussen twee onderzoeken. Dit maakt de methode geschikt voor alle vrouwen, ongeacht hun leeftijd.
Werking van de Methode
Foto-akoestische mammografie gebruikt krachtige, maar ongevaarlijke, zeer korte infraroodlaserpulsen die de borst belichten, waarbij de borst ondergedompeld is in een halfronde schaal gevuld met water. Dit op de borst afgevuurde licht wordt geabsorbeerd door hemoglobine in de bloedvaten en resulteert in een kortstondige kleine lokale opwarming onder uitzending van zeer zwakke drukgolven in het ultrageluidsbereik.
Transport en Registratie
Het ultrageluid wordt door het water in de meetschaal getransporteerd naar extreem gevoelige transducers die in de wand van de meetschaal zijn aangebracht. Het licht wordt aldus gebruikt om borstweefsel aan te slaan, maar in plaats van de absorptie en reflectie van het licht zelf te meten, wordt het door het licht in de bloedvaten opgewekte ultrageluid gemonitord dat in vergelijking tot licht veel minder last heeft van verstrooiing in weefsel.
Beeldvorming
De ultrageluidsgolven die door de transducers worden geregistreerd, worden eerst analoog versterkt en daarna gedigitaliseerd om vervolgens met door PA Imaging ontwikkelde algoritmen te worden omgezet in een 3-dimensionaal beeld van het bloedvatstelsel van de borst, inclusief de eventueel aanwezige angiogenese, op basis waarvan de aanwezigheid van een maligne tumor wordt vastgesteld.
Ontwikkeling en Testfase
PA Imaging heeft inmiddels een derde generatie van een foto-akoestische mammograaf ontwikkeld die in een experimentele klinische studie in samenwerking met mammaradiologen van het Medisch Spectrum Twente op vrijwilligers en patiënten wordt getest.
Integratie van Echografie
Naast foto-akoestiek maakt PA Imaging tevens gebruik van 3D-echografie, waarbij de echografie zowel wordt ingezet om foto-akoestische beelden te verbeteren als om - naast de bloedvaten - anatomische structuren, waaronder tumoren of cysten, zichtbaar te maken.
Technische Eisen
Het versterken van zeer zwakke ultrageluidsgolven, het digitaliseren hiervan en het selectief per transducer opwekken van ultrageluid voor echografie stelt extreme eisen aan de benodigde elektronica, datatransmissie, dataopslag en dataverwerking.
Samenwerking
Op deze vier vlakken bundelen PA Imaging en INCAA Computers hun krachten binnen dit project om de laatste geïdentificeerde technische verbeteringen op dit voor foto-akoestische mammografie essentiële onderdeel door te kunnen voeren en het product marktrijp te maken.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 161.037 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2020 |
Partners & Locaties
Projectpartners
- PA Imaging R&D B.V.penvoerder
- Industrial Computerized Applications and Automation (INCAA Computers) B.V.
Land(en)
Vergelijkbare projecten binnen MIT R&D Samenwerking
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
K.N.I.T.T.: Knitwear Next-level Interactive Textile TechnologyHet project van Knitwear Lab B.V. en Raverko B.V. ontwikkelt een 3D-simuleringstool voor duurzame textielproductie, gericht op co-creatie en de overgang naar digitale productpaspoorten. | MIT R&D Samenwerking | € 151.428 | 2023 | Details |
Full electric rim drive aandrijving voor commerciële vaartHet project ontwikkelt een prototype van een 50 kW elektrische rim drive motor voor commerciële vaartuigen, ter vervanging van dieselmotoren, met focus op duurzaamheid en innovatieve functionaliteiten. | MIT R&D Samenwerking | € 177.700 | 2023 | Details |
Ecotop AI Ripening systeemHet project ontwikkelt AI-software en een rijpcel om de rijpheid en kwaliteit van tropisch fruit automatisch te meten en te optimaliseren, wat leidt tot minder verspilling en energiebesparing. | MIT R&D Samenwerking | € 286.773 | 2023 | Details |
EEGX2Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen. | MIT R&D Samenwerking | € 120.943 | 2023 | Details |
K.N.I.T.T.: Knitwear Next-level Interactive Textile Technology
Het project van Knitwear Lab B.V. en Raverko B.V. ontwikkelt een 3D-simuleringstool voor duurzame textielproductie, gericht op co-creatie en de overgang naar digitale productpaspoorten.
Full electric rim drive aandrijving voor commerciële vaart
Het project ontwikkelt een prototype van een 50 kW elektrische rim drive motor voor commerciële vaartuigen, ter vervanging van dieselmotoren, met focus op duurzaamheid en innovatieve functionaliteiten.
Ecotop AI Ripening systeem
Het project ontwikkelt AI-software en een rijpcel om de rijpheid en kwaliteit van tropisch fruit automatisch te meten en te optimaliseren, wat leidt tot minder verspilling en energiebesparing.
EEGX2
Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Quantitative Ultrasound Stochastic Tomography - Revolutionizing breast cancer diagnosis and screening with supercomputing-based radiation-free imaging.The project aims to revolutionize breast cancer imaging by developing adjoint-based algorithms for uncertainty quantification, enhancing diagnostic confidence through high-resolution, radiation-free images. | EIC Pathfinder | € 2.744.300 | 2022 | Details |
Prostate Cancer Diagnosis, Localisation and Characterisation using UltrasoundPCaVision aims to enhance prostate cancer diagnosis using cost-effective ultrasound imaging and algorithms, improving patient access and reducing healthcare costs across 16 EU clinics. | EIC Transition | € 1.950.000 | 2022 | Details |
All-optical photoacoustic imaging for neurobiologyDeveloping advanced sensors for high-speed, high-sensitivity photoacoustic imaging to non-invasively capture single-neuron activity deep in the mouse brain. | ERC STG | € 1.499.667 | 2024 | Details |
Advanced analysis of multiparametric volumetric ultrafast ultrasound: a novel approach for non-invasive breast cancer diagnosisThis project aims to enhance non-invasive breast cancer diagnosis by integrating machine learning with advanced ultrasound techniques to create predictive models for tumor characteristics, reducing reliance on biopsies. | ERC STG | € 1.499.498 | 2025 | Details |
Quantitative Ultrasound Stochastic Tomography - Revolutionizing breast cancer diagnosis and screening with supercomputing-based radiation-free imaging.
The project aims to revolutionize breast cancer imaging by developing adjoint-based algorithms for uncertainty quantification, enhancing diagnostic confidence through high-resolution, radiation-free images.
Prostate Cancer Diagnosis, Localisation and Characterisation using Ultrasound
PCaVision aims to enhance prostate cancer diagnosis using cost-effective ultrasound imaging and algorithms, improving patient access and reducing healthcare costs across 16 EU clinics.
All-optical photoacoustic imaging for neurobiology
Developing advanced sensors for high-speed, high-sensitivity photoacoustic imaging to non-invasively capture single-neuron activity deep in the mouse brain.
Advanced analysis of multiparametric volumetric ultrafast ultrasound: a novel approach for non-invasive breast cancer diagnosis
This project aims to enhance non-invasive breast cancer diagnosis by integrating machine learning with advanced ultrasound techniques to create predictive models for tumor characteristics, reducing reliance on biopsies.