Lääketieteellisen kuvantamisen tehostaminen kuvarekonstruktio- ja koneoppimismenetelmillä. Käyttötapauksia tietokonetomografiassa ja magneettikuvauksessa

Väitöstilaisuuden tiedot

Väitöstilaisuuden päivämäärä ja aika

Väitöstilaisuuden paikka

Aapistie 5B, luentosali P117. Etäyhteys: https://oulu.zoom.us/j/63686167663?pwd=UDBBL2FuTkVBNkQ4eXlrc0ZNcnh0UT09

Väitöksen aihe

Lääketieteellisen kuvantamisen tehostaminen kuvarekonstruktio- ja koneoppimismenetelmillä. Käyttötapauksia tietokonetomografiassa ja magneettikuvauksessa

Väittelijä

Filosofian maisteri Juuso Ketola

Tiedekunta ja yksikkö

Oulun yliopiston tutkijakoulu, Lääketieteellinen tiedekunta, Lääketieteellisen kuvantamisen, fysiikan ja tekniikan tutkimusyksikkö

Oppiaine

Lääketieteellinen fysiikka ja kuvantaminen

Vastaväittäjä

Professori Tanja Tarvainen, Itä-Suomen yliopisto

Kustos

Professori Miika Nieminen, Oulun yliopisto

Lisää tapahtuma kalenteriin

Laskennallisia menetelmiä lääketieteellisten kuvantamismenetelmien tehostamiseen

Väitöstyössä tutkittiin kehittyneiden laskennallisten menetelmien ja tekoälyn valjastamista lääketieteellisen kuvantamisen käyttöön. Laskennallisien menetelmien ja tekoälyn avulla voidaan esimerkiksi pienentää röntgensäteilyä hyödyntävän kuvantamisen säteilyannosta, parantaa radiologisten kuvien laatua, ja automatisoida diagnostiikkaa.

Väitöstutkimuksen osatöissä sovellettujen ja kehitettyjen laskennallisten menetelmien avulla röntgenkuvantamista voitiin toteuttaa nopeammin ja pienemmällä määrällä säteilyä kuvanlaadun säilyessä laadukkaana mielenkiintoalueilla. Lisäksi tutkimuksessa kehitettiin tekoälymenetelmä, joka pystyi tunnistamaan magneettikuvista alaselkäkipua selittäviä piirteitä.

Lääketieteellinen kuvantaminen on tärkeä osa monien sairauksien diagnostiikkaketjua. Laskennallisten menetelmien ja tekoälyn merkitys säteilyannoksen pienentämisen, kuvanlaadun parantamisen ja kuvausajan lyhentämisen suhteen kasvaa jatkuvasti. Tekoäly on merkittävässä roolissa tulevaisuuden radiologiassa työnkulun tehostajana.
Viimeksi päivitetty: 23.1.2024