Max Gordon is a researcher at the Karolinska Institute who works with developing a deep learning algorithm for interpreting orthopedic X-ray images. It is using radiologist’s reports in order to deduce labels that are of interest such as presence of fracture, osteoarthritis and other features. The previous image viewer’s interface Swagger had issues in terms of managing the stored data. This could potentially be solved by switching to GraphQL according to Max Gordon. On request by Max Gordon studies were conducted in order to conclude if Swagger or GraphQL was more compatible with the medical CE-marking and which was more suited for expanding the system. The studies mainly consisted of measuring interpretability at different target groups and how they faced Swedish law when it came down to handling personal data. Based on the qualitative and quantitative studies, the conclusion was drawn that Swagger was more compatible with the medical CE-marking and expansion of the image viewer. / Max Gordon är en forskare på Karolinska Institutet som arbetar med att utveckla en algoritm och tillämpning vilket kan tolka röntgenbilder. Denna används tillsammans med rapporter från radiologer för att kunna utreda röntgenbilders egenskaper. Den föregående bildvisarens gränssnittsspecifikation Swagger hade problem med att hantera den lagrade datan, detta kunde potentiellt lösas genom att använda GraphQL, enligt Max Gordon. På begäran av Max Gordon skulle kompabiliteten mellan GraphQL och CE-märket utredas. För att kunna dra slutsatsen om GraphQL eller Swagger var mest lämplig för CE-märket och vilken var mest anpassad för vidareutveckling av bildvisaren i framtiden. Detta genom att jämföra resultatet av fallstudier på Swagger och GraphQL som huvudsakligen undersökte hur god språkens tolkbarhet var hos olika målgrupper, samt hur hanteringen av persondata förhåller sig till den svenska lagstiftningen. Baserat på de kvantitativa samt kvalitativa undersökningarna ansågs Swagger mest kompatibelt med CE-märkets krav och vidareutveckling av bildvisaren.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-230626 |
Date | January 2018 |
Creators | Junttila, Sam |
Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
Source Sets | DiVA Archive at Upsalla University |
Language | Swedish |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-EECS-EX ; 2018:82 |
Page generated in 0.0038 seconds