prikaz prve stranice dokumenta Uloga umjetne inteligencije u optimizaciji doze zračenja kod kompjuterizirane tomografije (CT)
  Download
PDF 1.54 MB
master's thesis
Uloga umjetne inteligencije u optimizaciji doze zračenja kod kompjuterizirane tomografije (CT)
Split: University of Split, 2022. urn:nbn:hr:176:536712
Marasović, Mate
University of Split
University Department of Health Studies

Institutional repository: Repository of the University Department for Health Studies, University of Split

Cite this document

Marasović, M. (2022). Uloga umjetne inteligencije u optimizaciji doze zračenja kod kompjuterizirane tomografije (CT) (Master's thesis). Split: University of Split. Retrieved from https://urn.nsk.hr/urn:nbn:hr:176:536712

Marasović, Mate. "Uloga umjetne inteligencije u optimizaciji doze zračenja kod kompjuterizirane tomografije (CT)." Master's thesis, University of Split, 2022. https://urn.nsk.hr/urn:nbn:hr:176:536712

Marasović, Mate. "Uloga umjetne inteligencije u optimizaciji doze zračenja kod kompjuterizirane tomografije (CT)." Master's thesis, University of Split, 2022. https://urn.nsk.hr/urn:nbn:hr:176:536712

Marasović, M. (2022). 'Uloga umjetne inteligencije u optimizaciji doze zračenja kod kompjuterizirane tomografije (CT)', Master's thesis, University of Split, accessed 06 November 2024, https://urn.nsk.hr/urn:nbn:hr:176:536712

Marasović M. Uloga umjetne inteligencije u optimizaciji doze zračenja kod kompjuterizirane tomografije (CT) [Master's thesis]. Split: University of Split; 2022 [cited 2024 November 06] Available at: https://urn.nsk.hr/urn:nbn:hr:176:536712

M. Marasović, "Uloga umjetne inteligencije u optimizaciji doze zračenja kod kompjuterizirane tomografije (CT)", Master's thesis, University of Split, Split, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:176:536712

Metadata
TitleUloga umjetne inteligencije u optimizaciji doze zračenja kod kompjuterizirane tomografije (CT)
Title (english)The role of artificial intelligence in radiation dose optimization in computerized tomography (CT)
AuthorMate Marasović
MentorTade Tadić (mentor)
Committee memberKrešimir Dolić (predsjednik povjerenstva)
Committee memberMaja Marinović Guić (član povjerenstva)
Committee memberTade Tadić (član povjerenstva)
GranterUniversity of Split
(University Department of Health Studies)
Split
Defense date and country2022-06-29, Croatia
Scientific / art field,
discipline and subdiscipline		BIOMEDICINE AND HEALTHCARE
Clinical Medical Sciences
Radiology
Abstract
Područje umjetne inteligencije (UI) transformira gotovo svaki aspekt modernog društva, uključujući i medicinsku radiologiju. U kompjuteriziranoj tomografiji (CT), primjena umjetne inteligencije omogućuje daljnje smanjenje doze zračenja pacijenata kroz automatizaciju i optimizaciju procesa prikupljanja podataka, uključujući pozicioniranje pacijenta i postavke parametara akvizicije. Nakon prikupljanja podataka, optimizacija parametara rekonstrukcije slike, napredni algoritmi rekonstrukcije i metode uklanjanja šuma slike poboljšavaju nekoliko aspekata kvalitete slike, posebno u smanjenju šuma slike te omogućavanju korištenja nižih doza zračenja tijekom akvizicije. Ukratko, od uvođenja CT-a, veliki broj tehničkih poboljšanja omogućio je unapređenje dijagnostičke informacije i smanjenje rizika za pacijente, ne samo smanjenjem doze zračenja, već i smanjenjem vjerojatnosti pogrešaka u izvedbi i medicinskoj interpretaciji CT pretraga. U ovom radu prikazana je važnost primjene novih algoritama umjetne inteligencije koji imaju važnu ulogu u poboljšanju kvalitete dijagnostičke informacije uz najnižu moguću dozu za pacijente.
Abstract (english)
The field of artificial intelligence (AI) is transforming almost every aspect of modern society, including medical radiology. In computed tomography (CT), the application of artificial intelligence allows further reduction of patient radiation dose through automation and optimization of data collection processes, including patient positioning and acquisition parameter settings. After data collection, image reconstruction parameter optimization, advanced reconstruction algorithms, and image noise removal methods improve several aspects of image quality, especially in reducing image noise, and allow the use of lower radiation doses during acquisition. In short, since the introduction of CT, a number of technical improvements have made it possible to improve diagnostic information and reduce risks for patients, not only reducing radiation doses but also reducing the likelihood of errors in the performance and medical interpretation of CT scans. This paper presents the importance of applying new artificial intelligence algorithms that play an important role in improving the quality of diagnostic information at the lowest possible dose for patients.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:176:536712
Study programmeTitle: Radiologic Technology (university/graduate)
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra radiološke tehnologije (magistar/magistra radiološke tehnologije)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2022-07-02 13:36:12