Uporaba umetne inteligence v ultrazvočni diagnostiki - sistematični pregled literatureKosi, Alen (Avtor) Kegl, Nik (Avtor) Žibert, Janez (Mentor) Medič, Mojca (Recenzent) diplomska delaradiološka tehnologijaumetna inteligencaAIultrazvokščitnicadojkeginekološkega področjajetraultrasonografijaUvod: Ultrazvočna diagnostika temelji na detekciji in prikazu akustične energije, ki se odbije od različnih struktur v telesu. Pridobljene podatke uporabimo za prikaz visoko resolucijske sivo-tonske sivine telesa. Lahko prikažemo tudi pretok krvi v telesu. Za izvajanje ultrazvočne preiskave uporabljamo ultrazvočno sondo. Uporabljamo različne tehnike zajema podatkov, ki so A-mode, B-mode, M-mode in Dopplerjev učinek. Pridobljene podatke procesiramo s centralno procesirno enoto, ki podatke interpretira in prikaže na monitorju. Umetna inteligenca je v radiologiji napredek, ki raste iz dneva v dan in je že pokazalo obetavne sposobnosti pri razlikovanju, prepoznavanju in določanju patologije. Umetna inteligenca pomaga zdravstvenim delavcem pri opravilih, ki zahtevajo veliko časa in podrobno analizo večjega števila podatkov. Namen: Namen diplomskega dela je preučiti, kako se umetna inteligenca uporablja v ultrazvočni diagnostiki. Specifično na področjih ultrazvočne preiskave jeter, ščitnice, dojk in ginekološkega področja. Metode dela: Uporabili smo metodo sistematičnega pregleda literature. Literaturo smo iskali iz podatkovnih baz Google Scholar, ScienceDirect in PubMed. Članke smo našli z uporabo vključitvenih in izključitvenih kriterijev. Rezultati: Po natančnem pregledu izbrane literature smo predstavili uporabljene modele umetne inteligence in zakaj so jih uporabili. Umetna inteligenca se v ultrazvočni diagnostiki uporablja za diagnostiko, detekcijo in klasifikacijo patologij. Pri ultrazvočni preiskavi na področju jeter se je najboljše izkazal model umetne inteligence imenovan ResNet50 za detekcijo in diagnosticiranje jetrnih lezij. Model LivGuard se je uporabil kot klasifikator ciroze. Za področje ultrazvočne preiskave ščitnice se je za najboljši model umetne inteligence za detekcijo ščitničnih nodulov izkazal model imenovan ResNet-34. Za diagnosticiranje pa sta najboljša modela Xception in CNN-VGG, ki sta dosegla primerljive rezultate. Najboljši modeli za diagnosticiranje med benignimi in malignimi lezijami v dojkah so bili CNNE1, CNNE2, CNNE3 in Bu-CAD sistem umetne inteligence. Ti modeli so dosegli podobne rezultate. Najboljši klasifikator glede na benigne ali maligne lezije jajčnikov je bil Ovry-Dx2. DLR model se je uporabil kot pomoč pri diagnostiki raka endometrija. Model YOLOv8 pa se je uporabil kot detektor za rak endometrija. Razprava in zaključek: Umetna inteligenca predstavlja velik potencial v ultrazvočni diagnostiki. Uporablja se za diagnosticiranje, lokalizacijo in klasifikacijo različnih patologij. Čeprav modeli umetne inteligence dosegajo primerljive, nekateri tudi boljše rezultate kot izkušeni radiologi, še niso dovolj testirani na večjem številu podatkov, da bi lahko bili modeli samostojno uporabljeni v diagnostiki. Iz člankov smo razbrali, da je umetna inteligenca na dobri poti, da bi bila ultrazvočna preiskava avtomatizirana, vendar še ni dovolj razvita, da bi nadomestila delo izkušenega radiologa.[A. Kosi : N. Kegl]20262026-09-17 08:52:03Diplomsko delo/naloga188011sl