<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=162494"><dc:title>Uporaba umetne inteligence v nuklearni medicini - sistematičen pregled literature</dc:title><dc:creator>Hrovat,	Polona	(Avtor)
	</dc:creator><dc:creator>Žibert,	Janez	(Mentor)
	</dc:creator><dc:creator>Matjašič,	Alenka	(Komentor)
	</dc:creator><dc:creator>Rep,	Sebastijan	(Recenzent)
	</dc:creator><dc:subject>diplomska dela</dc:subject><dc:subject>radiološka tehnologija</dc:subject><dc:subject>umetna inteligenca</dc:subject><dc:subject>nuklearna medicina</dc:subject><dc:subject>PET/CT</dc:subject><dc:subject>izboljšanje načrtovanja nuklearnomedicinskih preiskav</dc:subject><dc:subject>avtomatska interpretacija slik</dc:subject><dc:description>Uvod: Umetna inteligenca v nuklearni medicini pripomore k optimizaciji načrtovanja in pripravi posegov, pridobivanju slik, analizi nastalih slik ter k hitrejši avtomatizaciji izvidov. Z večjo učinkovitostjo vseh korakov procesa se lahko zmanjša število potrebnih slikanj in odmerek sevanja za pacienta. Namen: Namen diplomskega dela je bil sistematično predstaviti vlogo uporabe umetne inteligence v nuklearni medicini. Želeli smo ugotoviti, na kakšne načine in v kolikšni meri je umetna inteligenca prisotna v nuklearnomedicinskem delovnem procesu radiološkega inženirja ter specialista nuklearne medicine. Metode dela: V diplomskem delu smo uporabili deskriptivno metodo dela s sistematičnim pregledom literature. Strokovne članke na temo uporabe umetne inteligence v nuklearni medicini smo iskali s pomočjo podatkovnih baz PubMed, ScienceDirect, Journal of Nuclear Medicine in Digitalna knjižnica Univerze v Ljubljani. Literaturo smo iskali s pomočjo vključitvenih in izključitvenih faktorjev ter po ključnih besedah v angleškem jeziku. Rezultati: V rezultatih smo pregledali 13 člankov. V njih so predstavljeni različni načini uporabe umetne inteligence v nuklearni medicini. Nekateri članki zajemajo celoten delovni proces nuklearnomedicinskega slikanja, spet drugi se osredotočajo na posamezno področje. Natančneje predelana področja so izboljšanje načrtovanja nuklearnomedicinskih preiskav, avtomatska interpretacija slik in izboljšanje kakovosti slik. Razprava in zaključek: Ugotovili smo, da je tematika teoretično že zelo dobro predelana in ponuja obetavne rešitve za dolgoletne težave, ki se pojavljajo v nuklearni medicini. Obenem pa nam pregledana literatura ne ponuja veliko podatkov o tem, v kolikšni meri so ti načini že prisotni v praktičnem okolju. Algoritmi umetne inteligence ponujajo rešitve že pri samem načrtovanju preiskave. Prav tako omogočajo samodejno izbiro protokola slikanja. Zelo obetavno je področje avtomatizirane interpretacije slik, ki ponuja vrsto različnih funkcij. Veliko pa se dela tudi na področju izboljšanja kakovosti slik.  Pomembno je, da se radiološki inženirji in specialisti nuklearne medicine, ki delajo z umetno inteligenco, na tem področju ustrezno izobrazijo in tako zagotovijo varnost.</dc:description><dc:publisher>[P. Hrovat]</dc:publisher><dc:date>2024</dc:date><dc:date>2024-09-24 12:00:58</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>162494</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
