Uporaba umetne inteligence pri obdelavi CT slik pljuč in odkrivanju pljučnih nodulovKreč, Tajda (Avtor) Skuhala, Tina (Avtor) Žibert, Janez (Mentor) Viltužnik, Rebeka (Komentor) Alukić, Erna (Recenzent) diplomska delaradiološka tehnologijaumetna inteligencaračunalniška tomografijapljučni nodulisegmentacijaavtomatska detekcija3D SlicerMonai LabelTCIAUvod: Umetna inteligenca je doživela velik napredek in se vse pogosteje uporablja v medicinski diagnostiki. Ima pomembno nalogo pri analizi medicinskih slik. Pri CT prsnih organov je ključnega pomena pravočasno odkrivanje pljučnih nodulov, saj lahko zgodnja diagnostika bistveno izboljša izid zdravljenja pljučnega raka. Vključevanje umetne inteligence v ta proces lahko prinese večjo natančnost pri prepoznavanju pljučnih nodulov, skrajša čas obdelave slik in zmanjša delovno obremenitev medicinskega osebja. Namen: Glavni cilj te diplomske naloge je raziskati možnosti uporabe umetne inteligence pri analizi CT slik prsnih organov, predvsem pri avtomatski detekciji pljučnih nodulov in segmentaciji pljuč. Osredotočamo se na odprtokodna orodja Monai Label in 3D Slicer, ki omogočata vzpostavitev in testiranje modelov umetne inteligence za analizo medicinskih slik. Poleg preučujemo tudi praktične izzive pri uporabi teh orodij ter razmišljamo o možnostih njihovega vpeljevanja v klinično prakso. Metode dela: Najprej smo opravili pregled obstoječe literature na področju umetne inteligence v radiologiji, pri čemer smo se osredotočali na tuje podatkovne baze. Nato pa smo izvedli študijo primera, kjer smo uporabili javno dostopne CT posnetke iz baze TCIA. Preizkusili smo model Lung nodule CT detection, ki je bil naučen na podatkovnem naboru LUNA16. S pomočjo programa 3D Slicer in razširitve Monai Label smo izvedli avtomatsko detekcijo pljučnih nodulov ter primerjali rezultate z javno dostopnimi ocenami radiologov. Z algoritmom Auto3DSeg smo izvedli segmentacijo pljuč na enakih primerih. Rezultati: V rezultatih smo ugotovili, da umetna inteligenca uspešno identificira pljučne nodule, vendar se v nekaterih primerih pojavljajo odstopanja v primerjavi z ocenami radiologov. To potrjuje, da so sistemi umetne inteligence lahko uporabni pri analizi CT slik, vendar jih je treba še dodatno izboljšati, preden jih vključimo v rutinsko klinično diagnostiko. Razprava in zaključek: Uporaba umetne inteligence pri analizi medicinskih slik odpira nove možnosti za hitrejšo in bolj natančno diagnostiko pljučnih bolezni. Kljub pozitivnim rezultatom, ki jih ponujajo odprtokodna orodja, kot sta Monai Label in 3D Slicer, so še vedno prisotni izzivi, kot so lažno pozitivni rezultati in potreba po dodatnem preverjanju s strani strokovnjakov. Vpeljevanje umetne inteligence v klinično prakso zahteva tudi ustrezno izobraževanje medicinskega osebja in prilagoditve obstoječih delovnih procesov.[T. Kreč : T. Skuhala]20252025-09-03 07:45:58Diplomsko delo/naloga171817sl