Neuroverkot lääketieteellisen kuvantamisen tukena

Summarise with VIRAT
Authors: Vilja Korkala
Cited by: 0

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Tässä opinnäytetyössä tarkasteltiin neuroverkkojen hyödyntämistä lääketieteellisessä kuvantamisessa sekä niihin liittyviä mahdollisuuksia ja rajoitteita. Työn tavoitteena oli muodostaa kokonaiskuva siitä, millaisissa kuvantamistehtävissä neuroverkkoja hyödynnetään tällä hetkellä ja mitkä tekijät rajoittavat niiden luotettavaa käyttöä kliinisessä ympäristössä. Opinnäytetyö toteutettiin narratiivisena kirjallisuuskatsauksena, jossa tarkasteltiin viimeaikaista tutkimuskirjallisuutta neuroverkkojen soveltamisesta eri kuvantamismodaliteetteihin. Katsauksessa keskityttiin erityisesti luokitteluun, segmentointiin ja löydösten paikantamistehtäviin sekä mallien arviointiin ja yleistettävyyteen. Kirjallisuuskatsauksen lisäksi työssä toteutettiin pieni kokeellinen osuus, jossa siirtolukemiseen perustuva neuroverkkomalli opetettiin tunnistamaan keuhkokuumetta rintakehän röntgenkuvista avoimen aineiston avulla. Kirjallisuuskatsauksen perusteella neuroverkot ovat saavuttaneet hyviä tuloksia erityisesti joissakin kuvantamistehtävissä, kuten rintakehän röntgenkuvien analyysissa ja magneettikuvien segmentoinnissa. Samalla tutkimuksissa nousivat esille haasteet, jotka liittyvät mallien yleistettävyyteen, aineistojen laatuun ja validointiin. Kokeellisen osuuden tulokset tukivat kirjallisuudessa esiin nousseita havaintoja: malli saavutti hyvän erotuskyvyn keuhkokuumeen tunnistamisessa, mutta väärien positiivisten määrä nousi korkeaksi. ResNet18-siirtolukemismalli saavutti esimerkkiajossa testijoukolla AUC-arvon 0,96 ja sensitiivisyyden 0,97, mutta spesifisyys jäi 0,75-tasolle, mikä korostaa väärien positiivisten käytännön merkitystä. Työn perusteella neuroverkot soveltuvat parhaiten radiologin työn tueksi rajatuissa tehtävissä, kun niiden käyttö perustuu huolelliseen validointiin ja realistisiin odotuksiin.

Fields of Study & Subjects

Artificial Intelligence in Healthcare and Education Medical Image Segmentation Techniques Radiomics and Machine Learning in Medical Imaging

Publication details

Journal / source
Theseus (Ammattikorkeakoulujen)
Publication date
1 January 2026
Language
FI
Document type
Thesis