AI based solutions in computed tomography
Kuru, Joonas; Pakarinen, Tiina (2021)
Kuru, Joonas
Pakarinen, Tiina
2021
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202105036781
https://urn.fi/URN:NBN:fi:amk-202105036781
Tiivistelmä
Tekoäly on nopeasti kasvava ja kehittyvä ala ja koska tietokonetomografiakuvantamista käytetään paljon kaikkialla maailmassa, halusimme selvittää, millaista käyttöä tekoälyllä on TT:ssä. Teimme kirjallisuuskatsauksen kuudesta eri artikkelista, joista suurin osa liittyi konvoluutio-neuroverkoihin (CNN) tai muihin syvällisen oppimisen (DL) menetelmiin, kuten SCN.
Tekoälyä voidaan käyttää lääketieteellisessä kuvantamisessa ja TT:ssä monin tavoin, esimerkiksi tekoälypohjaisia sovelluksia voidaan käyttää potilaan paikannuksessa, parametrien valinnassa, skannauksen paikannuksessa jne. Tämän lisäksi havaitsimme, että tekoälypohjaisia sovelluksia ja erityisesti syvään oppimiseen perustuvia menetelmiä voidaan käyttää kohinan ja esineiden poistamiseen kuvista tai kuvien rekonstruoimiseksi, erityisesti pieniannoksisessa CT:ssä. Kaikkia näitä tekoälymenetelmiä voidaan mahdollisesti käyttää potilaan säteilyannoksen vähentämiseen kuvan laadusta tinkimättä.
Tekoälyä voidaan käyttää myös auttamaan radiologeja havaitsemaan leesioita tai kasvaimia kuvista. Kaikki tämä tarkoittaa sitä, että tekoälyn käytön edut TT:ssä ovat valtavat ja koko ajan nopeasti kehittyvän tekniikan ansiosta hyödyt varmasti vain kasvavat. Näille sovelluksille on kuitenkin edelleen rajoituksia, kuten laskentatehoon ja prosessointiaika kysymyksiin liittyen. Myös joillain sovelluksilla oli joitakin ongelmia hämärtymisen kanssa.
Tekoälyä voidaan käyttää lääketieteellisessä kuvantamisessa ja TT:ssä monin tavoin, esimerkiksi tekoälypohjaisia sovelluksia voidaan käyttää potilaan paikannuksessa, parametrien valinnassa, skannauksen paikannuksessa jne. Tämän lisäksi havaitsimme, että tekoälypohjaisia sovelluksia ja erityisesti syvään oppimiseen perustuvia menetelmiä voidaan käyttää kohinan ja esineiden poistamiseen kuvista tai kuvien rekonstruoimiseksi, erityisesti pieniannoksisessa CT:ssä. Kaikkia näitä tekoälymenetelmiä voidaan mahdollisesti käyttää potilaan säteilyannoksen vähentämiseen kuvan laadusta tinkimättä.
Tekoälyä voidaan käyttää myös auttamaan radiologeja havaitsemaan leesioita tai kasvaimia kuvista. Kaikki tämä tarkoittaa sitä, että tekoälyn käytön edut TT:ssä ovat valtavat ja koko ajan nopeasti kehittyvän tekniikan ansiosta hyödyt varmasti vain kasvavat. Näille sovelluksille on kuitenkin edelleen rajoituksia, kuten laskentatehoon ja prosessointiaika kysymyksiin liittyen. Myös joillain sovelluksilla oli joitakin ongelmia hämärtymisen kanssa.