PET και Τεχνητή Νοημοσύνη
PET and Artificial Intelligence
Λέξεις-κλειδιά
Ραδιομική ; PET-CT ; Κλινικές εφαρμογές ; Τεχνητή νοημοσύνη ; Μηχανική μάθησηΠερίληψη
Στόχος της παρούσας εργασίας είναι να εξερευνήσει το αναδυόμενο πεδίο της ραδιομικής (Radiomics) στην ιατρική απεικόνιση, που αποτελεί την εξαγωγή δεδομένων από τις ιατρικές εικόνες, τα οποία στην συνέχεια, χρησιμοποιώντας μεθόδους τεχνητής νοημοσύνης και μηχανικής μάθησης, θα αξιοποιηθούν για την λήψη ιατρικών αποφάσεων, και το πως αυτό εφαρμόζεται στην Ποζιτρονική Τομογραφία (Possitron Emmision Tomography-Computed Tomography, PET-CT). Αρχικά, παρουσιάζονται οι βασικές αρχές του PET και CT ως ξεχωριστά modalities, καθώς και του υβριδικού συνδυασμού τους. Στην συνέχεια, παρουσιάζονται οι βασικές αρχές της ραδιομικής. Αυτό περιλαμβάνει όλα τα βήματα για την μετατροπή των ιατρικών εικόνων σε ποσοτικά δεδομένα: την πρόσκτηση δεδομένων από τις απεικονιστικές μελέτες, την ιστική κατάτμηση της εικόνας προκειμένου να διαχωριστούν οι περιοχές ενδιαφέροντος, την εξαγωγή χαρακτηριστικών, και την ανάλυση και ταξινόμησή τους με την χρήση αλγορίθμων και μηχανικής μάθησης. Έπειτα, παρουσιάζεται ένα σύνολο αντιπροσωπευτικών επιστημονικών εργασιών που επιλέχθηκαν για να επιδείξουν πως η ραδιομική μπορεί να εφαρμοστεί το πεδίο του PET-CT για την ενίσχυση της διάγνωσης, της πρόγνωσης, της αξιολόγησης της θεραπείας κα. Από τις μελέτες που παρουσιάζονται, προκύπτει το συμπέρασμα ότι η εφαρμογή της ραδιομικής στο PET-CT έχει σημαντικό δυναμικό. Με την μετατροπή των εικόνων σε ποσοτικά δεδομένα, παρέχει και αξιοποιεί πληροφορίες που ξεπερνούν αυτές που γίνονται αντιληπτές από το ανθρώπινο μάτι. Συνοψίζοντας, η ραδιομική αποτελεί ένα αναδυόμενο πεδίο, οι εφαρμογές της είναι υποσχόμενες και η συμβολή της στην ιατρική απεικονιση την καθιστούν ένα πολύτιμο εργαλείο, και συνιστά ένα τομέα με συνεχή έρευνα και ανάπτυξη.
Περίληψη
The aim of this paper is to explore the emerging field of radiomics in medical imaging, which involves extracting data from medical images using artificial intelligence and machine learning methods, and then utilizing these data to generate clinically useful information for medical decision- making. It also examines how this is applied in Positron Emission Tomography-Computed Tomography (PET-CT). Initially, the basic principles of PET and CT as separate modalities, as well as their hybrid combination, are presented. Following this, the fundamental principles of radiomics are outlined. This includes all steps for converting medical images into quantitative data: acquiring data from imaging studies, segmenting the image to isolate regions of interest, extracting features, and analyzing and classifying these features using algorithms and machine learning. Next, a number of representative scientific papers are presented in order to demonstrate how radiomics can be applied in the field of PET-CT to enhance diagnosis, prognosis, treatment evaluation, and more. From the studies presented, it is concluded that the application of radiomics in PET-CT has significant potential. By converting images into quantitative data, it provides and utilises information beyond what is perceivable by the human eye. In summary, radiomics is an emerging field with promising applications, and its contribution to medical imaging makes it a valuable tool, constituting a field with significant ongoing research and development
Αριθμός σελίδων
115Σχολή
Σχολή Επιστημών Υγείας & ΠρόνοιαςΑκαδημαϊκό Τμήμα
Τμήμα Βιοϊατρικών ΕπιστημώνΤίτλος Προγράμματος Μεταπτυχιακών Σπουδών
Σύγχρονες Εφαρμογές στην Ιατρική ΑπεικόνισηΓλώσσα
Ελληνικά
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές