Artificial Neural Networks in Single Photon Emission Tomography (SPECT)

Διπλωματική Εργασία uoadl:2784548 156 Αναγνώσεις

Μονάδα:
Κατεύθυνση Ιατρική Φυσική-Ακτινοφυσική
Βιβλιοθήκη Επιστημών Υγείας
Ημερομηνία κατάθεσης:
2018-09-17
Έτος εκπόνησης:
2018
Συγγραφέας:
Τομαζινάκη Μήνα Ερμιόνη
Στοιχεία επιβλεπόντων καθηγητών:
Ευστάθιος Στυλιάρης, Αναπληρωτής Καθηγητής, Τμήμα Φυσικής, ΕΚΠΑ
Παντελής Καραΐσκος, Καθηγητής, Ιατρική Σχολή, ΕΚΠΑ
Κωνσταντίνος Λουκάς, Επίκουρος Καθηγητής, Ιατρική Σχολή, ΕΚΠΑ
Πρωτότυπος Τίτλος:
Artificial Neural Networks in Single Photon Emission Tomography (SPECT)
Γλώσσες εργασίας:
Αγγλικά
Μεταφρασμένος τίτλος:
Τεχνητά Νευρωνικά Δίκτυα στην Μονοφωτονική Τομοσπινθηρογραφία (SPECT)
Περίληψη:
Οι πρόσφατες εξελίξεις στην Τεχνητή Νοημοσύνη (AI) και τη Μηχανική Εκμάθηση (ML) έχουν επηρεάσει τον τομέα της Ιατρικής Φυσικής και τείνουν να θέσουν νέους ορίζοντες στην Ανακατασκευή Εικόνας στην Ιατρική. Σύγχρονες εφαρμογές της Τομογραφίας, όπως το SPECT, κάνουν χρήση καινοτόμου λογισμικού δεδομένων των περιορισμών στην τεχνολογία και χρήση υλικού εξοπλισμού σήμερα. Η εν λόγω μελέτη επικεντρώνεται στην Ανακατασκευή Τομογραφικής Εικόνας εκμεταλλευόμενη συμμετρίες του μετασχηματισμού Radon, καθώς και νέες εφαρμογές βασισμένες σε Τεχνητά Νευρωνικά Δίκτυα (ANNs). Έχοντας κατά νου πως ο μαθηματικός μετασχηματισμός του Τομογραφικού Προβλήματος πρέπει να διατηρηθεί, προστατεύοντας αυστηρά το ρόλο του κάθε στοιχείου που συμμετέχει στο δίκτυο, πρέπει να πληρούνται οι ακόλουθες προϋποθέσεις: Τα δεδομένα εισόδου πρέπει πάντα να χαρακτηρίζονται από το σινόγραμμα της εικόνας ενώ η έξοδος πρέπει να περιέχει πληροφορίες που αφορούν την ανακατασκευή της εικόνας. Αντί της συμβατικής τεχνικής του σινογράμματος, είναι απαραίτητη μια εναλλακτική προσέγγιση. Μια διαφοροποιημένη μορφή του γνωστού σινογράμματος χωρίς εξαρτήσεις από τα χαρακτηριστικά των εικόνων θα μπορούσε οδηγήσει σε ανακατασκευασμένες εικόνες υψηλής διαγνωστικής ισχύος και χαμηλού υπολογιστικού κόστους. Η αποτελεσματικότητα αυτού του παραλλαγμένου σινογράμματος δοκιμάζεται ως είσοδος διάφορων αρχιτεκτονικών για την πρόβλεψη των τιμών των εικονοστοιχείων (pixels) που συνθέτουν την πλήρη εικόνα. Επιπλεόν, το προτεινόμενο πρωτότυπο συνδυάζεται με ευρέως γνωστούς και καθιερωμένους αλγόριθμους, όπως η τεχνική Ανακατασκευής με αλγεβρικές μεθόδους(ART), που οδηγεί σε ακριβή αποτελέσματα με χαμηλές τιμές χ2, ακόμη και με περιορισμένο αριθμό δεδομένων. Τα αποτελέσματα αυτής της πρωτότυπης μελέτης θα μπορούσαν να εξυπηρετήσουν περαιτέρω έρευνα με συμμετοχή των ANNs για την ανακατασκευή ιατρικών εικόνων με υψηλή κλινική αξία.
Κύρια θεματική κατηγορία:
Επιστήμες Υγείας
Λέξεις-κλειδιά:
Τεχνητά Νευρωνικά Δίκτυα, Ανακατασκευή τομογραφικής εικόνας, Μετασχηματισμός Radon, Μονοφωτονική τομοσπινθηρογραφία
Ευρετήριο:
Όχι
Αρ. σελίδων ευρετηρίου:
0
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
22
Αριθμός σελίδων:
76