No description available.

No description available.

Diss. (sammanfattning) Uppsala : Univ., 2001. / Härtill 4 uppsatser.

Diss. (sammanfattning) Göteborg : Univ., 2009. / Härtill 4 uppsatser.

Diss. (sammanfattning) Linköping : Univ., 2001. / Härtill 5 uppsatser.

Bakgrund: Malignt melanom är en cancerform som har ökat betydligt de senaste årtiondena. Många individer är omedvetna angående risker som kan orsaka att drabbas av malignt melanom. Problem: Malignt melanom kan förebyggas om kunskap kring sjukdomen blev mer uppmärksammad. Sjuksköterskor kan bli mer delaktiga med att undersöka och upptäcka malignt melanom. Syfte: Syftet är att skapa en översikt över hur sjuksköterskor kan vara delaktiga i arbetet kring malignt melanom. Metod: Metoden som används är en allmän litteraturöversikt med en beskrivande design. Totalt har tio artiklar valts ut som innehåller en kvantitativ design. Resultat: Sjuksköterskor kan bli mer delaktiga i förebyggandet av malignt melanom via olika typer av utbildningsprogram. Detta resulterade i ökad kunskap hos sjuksköterskorna gällande sjukdomen, vilket bidrog till ökad undervisning angående förebyggande åtgärder gentemot patienterna. Ett hinder för utförande av hudundersökningar av sjuksköterskorna var tidsbrist. Slutsats: Sjuksköterskor kan få en ökad kunskap om malignt melanom som kan öka deras omvårdnadskapacitet och ett hälsofrämjande arbetssätt samt förebyggande av sjukdomen. Genom att informera patienter kan de få mer kunskap om malignt melanom och därmed öka egenvårdskapaciteten.

<p>Sverige är ett framstående land inom medicinteknik, och har genom åren producerat flera viktiga innovationer, såsom pacemakern, ultraljud och kuvösen, vilka bidragit till bättre och effektivare vård. Många av idéerna till dessa innovationer har sitt ursprung inom grundforskning, medan utveckling och kommersialisering sker inom industrin. Syftet med uppsatsen är att studera och analysera vilka problem som kan föreligga då teknik utvecklad i ett forskningssammanhang vidareutvecklats och kommersialiseras i en affärskontext.</p><p>Studien bygger på en kvalitativ fallstudie av hur teknikutvecklingen fortskridit mot kommersialisering inom det medicintekniska företaget SciBase AB, som utvecklat en produkt och metod för diagnostik av hudcancern malignt melanom. Analysen har genomförts utifrån ett sociotekniskt perspektiv, och bygger på teorier hämtade från STS- och IMP-fältet.</p><p>Studien bekräftar svårigheten att inpassa något nytt i ett befintligt affärssammanhang, och hur befintliga relationer och regulatorer har en avgörande inverkan på vad som utvecklas till en innovation. Vidare visas att teknik påverkas av det sammanhang i vilken den utvecklas, vilket senare påverkar möjligheten att inbädda tekniken i en affärskontext.</p>

Sverige är ett framstående land inom medicinteknik, och har genom åren producerat flera viktiga innovationer, såsom pacemakern, ultraljud och kuvösen, vilka bidragit till bättre och effektivare vård. Många av idéerna till dessa innovationer har sitt ursprung inom grundforskning, medan utveckling och kommersialisering sker inom industrin. Syftet med uppsatsen är att studera och analysera vilka problem som kan föreligga då teknik utvecklad i ett forskningssammanhang vidareutvecklats och kommersialiseras i en affärskontext. Studien bygger på en kvalitativ fallstudie av hur teknikutvecklingen fortskridit mot kommersialisering inom det medicintekniska företaget SciBase AB, som utvecklat en produkt och metod för diagnostik av hudcancern malignt melanom. Analysen har genomförts utifrån ett sociotekniskt perspektiv, och bygger på teorier hämtade från STS- och IMP-fältet. Studien bekräftar svårigheten att inpassa något nytt i ett befintligt affärssammanhang, och hur befintliga relationer och regulatorer har en avgörande inverkan på vad som utvecklas till en innovation. Vidare visas att teknik påverkas av det sammanhang i vilken den utvecklas, vilket senare påverkar möjligheten att inbädda tekniken i en affärskontext.

Cancer är den näst vanligaste dödsorsaken globalt och står för uppskattningsvis 9,6 miljoner dödsfall varje år, eller var sjätte dödsfall totalt sett. Detta innebär en enorm börda för de människor som drabbas. Allt fler överlever många typer av cancer tack vare tidig upptäckt och snabbt fastställande av diagnos. Hudcancer är efter prostatacancer den näst vanligaste cancerdiagnosen i Sverige och behovet för att ta hudbiopsier har därmed ökat till följd av mycket solande hos invånare.  Patologilaboratoriet i Jönköpings län har under 2020 till 2022 haft en långsamt växande kö av hudprover på grund av brist på patologer och att samarbete med extern underleverantör löpte ut. Syftet med förbättringsarbetet är att hitta sätt att förkorta svarstider för hudprover.  Region Jönköpings län har valt att använda sig av kvalitet som strategi för sin organisationsutveckling. Ambitionen är att värderingarna kring kvalitet ska genomsyra hela organisationen. För att lyckas med förbättringsarbeten krävs det att medarbetare både har fått kunskap och förutsättningar för att tillsammans driva verksamheten framåt.  Syftet med studien var att belysa medarbetares drivkrafter bakom ett framgångsrikt kvalitetsarbete och identifiera vilka strategier som leder till detta. Hörnstensmodellen tillämpas för att dra slutsatser kring resultatet och metoden är kvalitativ. Semistrukturerade intervjuer av medarbetare genomfördes.   Förbättringsarbetets resultat illustreras med hjälp av kvantitativ data och SMARTA målet uppnås redan innan slutdatum. Studien visar att det finns flera faktorer som är viktiga för att uppnå ett framgångsrikt kvalitetsarbete. Både engagerat ledarskap och medarbetares möjlighet till delaktighet är avgörande faktorer för att lyckas med kvalitet som strategi inom organisationer. Utöver detta är arbetet med att sätta upp mål en viktig strategi för att lyckas. Vidare kan studiens resultat användas i det fortsatta kvalitetsarbetet både inom verksamheten och utanför. / Cancer is the second largest leading cause of death globally and causes an estimated 9.6 million deaths each year, or one in six deaths in total. This means an enormous burden for the people affected. More and more people are surviving many types of cancer thanks to early detection and rapid diagnosis. Skin cancer is after prostate cancer the second most common cancer diagnosis in Sweden, and the need to take skin biopsies has increased due to a lot of sunbathing among residents.  From 2020 to 2022, the pathology laboratory in Jönköping County has had a slowly increasing queue of skin cancer samples due to a lack of pathologists and the fact that collaboration with an external subcontractor expired. The purpose of the improvement work is to find ways to shorten the response times for skin samples.  The County of Jönköping has chosen to use quality as strategy for its organizational development. The ambition is for the values around quality to permeate the entire organization. In order to succeed with improvement work, it is necessary that employees have both gained knowledge and that they have conditions to focus on improvement work.  The aim of the study is to shed light on employees' driving forces behind a successful work on quality and to identify which strategies lead to this. The “cornerstone model” is applied to draw conclusions on the findings while the method of the study is a qualitative one. Semi-structured interviews with employees were conducted.  The results of the improvement work are illustrated with the help of quantitative data and the goal is achieved before the deadline. The study shows that there are several factors that are important for achieving a successful quality work. Both leadership and employees’ opportunities to participate are decisive factors for success with quality as a strategy within organizations. In addition to this, the work of setting goals is an important strategy for success. The results of the study can be used in the continued quality improvement work both within the unit and outside.

Skin cancer is one of the most common forms of cancer, of which melanoma is the most lethal. Early detection is critical to long term survival rates. The use of machine learning to detect melanoma shows promising results in detecting malignant forms. The use of melanoma detecting models could potentially lead to faster diagnosis, and ensure treatment is applied before the melanoma has spread to other organs. In recent years, many studies have been made on the topic, especially on larger datasets such as ISIC, but there is a lack of studies on how machine learning perform on datasets containing smartphone images of skin lesions. PAD-UFES-20 is a dataset containing 2298 smartphone images of skin lesions, where the malignant forms are all clinically confirmed. The purpose of this thesis was to produce a comparison of the accuracy, precision, recall, and Area under the Curve metrics for several convolutional neural network models that were trained on the PAD-UFES-20 and ISIC datasets to differentiate between melanoma and benign lesions. The goal of this project is to contribute to the knowledge surrounding how neural networks perform in terms of melanoma detection. This is of interest for anyone getting started in the domain of melanoma detection using machine learning, building a melanoma detection application, and for anyone benefiting from earlier diagnosis. A qualitative and inductive approach with the support of quantitative data was adopted. Eight models were selected. They were designed using transfer learning, where the base model acted as a feature extractor, providing input to a dropout layer, and finally to the classification layer, which was retrained for 50 epochs, using the ADAM optimizer with a learning rate of 0.0003. These models were then evaluated against a test set for accuracy, precision, recall and AUC. The results of this study showed that the best performing models in terms of detecting melanoma on the PAD-UFES-20 dataset were Resnet_v2_50 and Mobilenet_v3_Large. Resnet_v2_50 achieved an accuracy of 0.9062, precision of 0.8, recall of 0.6667 and AUC of 0.8846. Mobilenet_v3_Large achieved accuracy of 0.9062, precision of 0.8, recall of 0.6667 and AUC of 0.9295. The best performing model on the ISIC dataset was the Inception_Resnet_v2 model with accuracy of 0.9342, precision of 0.9627, recall of 0.9018 and AUC of 0.9675. The conclusions of this study show that several models achieve promising results on the PAD-UFES-20 dataset. Overall, models that extracted a larger number of features from the base model performed better on the PAD-UFES-20 dataset, whereas this was not the general case on the larger ISIC dataset. It is not too futuristic to claim that machine learning can be applied as complement to standard diagnosis, but the study highlights the need for similar studies on larger and more diverse datasets of smartphone images, from which more transferable results can be obtained. / Hudcancer är en av de vanligaste formerna av cancer, där melanom är den mest dödliga. Tidig upptäckt är avgörande för långsiktiga överlevnadschanser. Användning av maskininlärning för att upptäcka melanom visar lovande resultat i att upptäcka maligna former av hudskador. Användning av modeller för att upptäcka melanom kan potentiellt leda till snabbare diagnos och säkerställa att behandling tillämpas innan melanomet har spridit sig till andra organ. De senaste åren har många studier gjorts inom ämnet, särskilt på större datamängder såsom ISIC datamängden, men det saknas studier om hur maskininlärning presterar på datamängder som innehåller smarttelefonbilder av hudskador. PAD-UFES-20 är en datamängd som innehåller 2298 smarttelefonbilder av hudskador, där de maligna formerna alla är kliniskt bekräftade. Syftet med denna studie var att producera en jämförelse av noggrannhet, precision, recall och Area under the Curve måtten för flera faltnings neuronnätverksmodeller som tränades på PAD-UFES-20 och ISIC-dataseten för att skilja mellan melanom och godartade hudskador. Målet med denna studie är att bidra till kunskapen om hur neurala nätverk presterar när det gäller upptäckt av melanom. Detta är av intresse för alla som börjar inom området för upptäckt av melanom med hjälp av maskininlärning och för alla som gynnas av en tidigare diagnos. En kvalitativ och induktiv ansats med stöd av kvantitativa data antogs. Åtta modeller valdes. De designades med hjälp av överföringsinlärning, där basmodellen fungerade som en producent av funktioner, som gav inmatning till ett Dropout lager och slutligen till klassificeringslagret, som tränades i 50 epoker, med hjälp av ADAM-optimeraren med en inlärningshastighet på 0.0003. Dessa modeller utvärderades sedan mot en test mängd för noggrannhet, precision, recall och AUC. Resultaten av denna studie visade att de bästa presterande modellerna när det gäller att upptäcka melanom på PAD-UFES-20-datasetet var Resnet_v2_50 och Mobilenet_v3_Large. Resnet_v2_50 uppnådde en noggrannhet på 0.9062, precision på 0.8, recall på 0.6667 och AUC på 0.8846. Mobilenet_v3_Large uppnådde noggrannhet på 0.9062, precision på 0.8, recall på 0.6667 och AUC på 0.9295. Den bäst presterande modellen på ISIC-datasetet var Inception_Resnet_v2-modellen med noggrannhet på 0.9342, precision på 0.9627, recall på 0.9018 och AUC på 0.9675. Slutsatserna av denna studie visar att flera modeller uppnår lovande resultat på PAD-UFES-20-datasetet. Sammantaget, presterade modeller som extraherade ett större antal funktioner från basmodellen, bättre på PAD-UFES-20-datasetet, medan detta inte var det generella fallet på det större ISIC-datasetet. Det är inte för långsökt att hävda att maskininlärning kan tillämpas som komplement till standarddiagnos metoder, men denna studie framhäver behovet av liknande studier på större och mer diversifierade datamängder av smarttelefonbilder, från vilka mer överförbara resultat kan erhållas.