September 29, 2022 to October 2, 2022
Kraków
Europe/Warsaw timezone

Zastosowanie sieci neuronowych YOLO do identyfikacji ognisk nowotworowych w badaniu PET/CT z użyciem 18-F-FDG

Not scheduled
1h 30m
sala A (budynek D-10)

sala A

budynek D-10

Prezentacja posterowa Medycyna nuklearna i teranostyka Medycyna nuklearna i teranostyka

Speaker

Paweł Bzowski (Zakład Medycyny Nuklearnej i Endokrynologii Onkologicznej, Narodowy Instytut Onkologii im. Marii Skłodowskiej-Curie, oddział w Gliwicach)

Description

Wstęp: Zastosowanie sztucznej inteligencji można coraz częściej zaobserwować w medycynie m.in. w wspomaganiu decyzji czy polepszaniu jakości obrazowania. Zastosowanie tych metod pozwala na szybszą i celniejszą diagnozę, co przenosi się na efektywną terapię, która pozwoli uratować życie i zdrowie chorego. Do niedawna wykorzystanie sztucznej inteligencji było wręcz niemożliwe, jednak rozwój technologii informatycznych oraz nowe i wydajne serwery obliczeniowe umożliwiły wykonywanie wielu obliczeń w tym samym czasie, co pozwoliło na uczenie programów do celów medycznych.
Cel: Celem niniejszej pracy było przygotowanie odpowiedniego algorytmu, a następnie, w oparciu o oprogramowanie YOLO, nauczenie sieci neuronowej, a w efekcie końcowym przeprowadzenie wysoce dokładnej identyfikacji zmian nowotworowych uwidocznionych na obrazach medycznych pozyskanych z badań PET/CT.
Materiały i Metody: W pracy wykorzystano obrazy pochodzące z badania PET/CT pacjentów z podejrzeniem choroby nowotworowej. Dane zostały podzielone na osoby zdrowe, które nie posiadały ognisk patologicznego wychwytu radioznacznika oraz pacjentów z trwającą chorobą nowotworową. Do nauczenia sieci neuronowej wykorzystano obrazy pacjentów zdrowych, a następnie za pomocą YOLO nauczono algorytm, aby wyznaczał w ciele pacjenta obszary fizjologicznego wychwytu radioznacznika (m.in. mózg, serce, drogi moczowe). Obraz pacjenta po wykryciu i usunięciu sygnału pochodzącego z fizjologicznego wychwytu radioznacznika pozwolił na uwidocznienie podejrzanych miejsc charakteryzujących się jego zwiększonym wychwytem, co mogło wskazywać na aktywny proces nowotworowy.
Wyniki: Pierwsze otrzymane wyniki pozwoliły zauważyć, że opracowany algorytm ma bardzo duży potencjał, a wraz z większą liczbą danych, zwiększa się jego dokładność. Osiągnięcie wiarygodnych wyników wymaga zebrania bardzo dużej bazy danych wejściowych oraz powtórzenia procesu uczenia sieci neuronowej, celem jej zastosowania w praktyce klinicznej.

Sesja Medycyna Nuklearna

Primary authors

Paweł Bzowski (Zakład Medycyny Nuklearnej i Endokrynologii Onkologicznej, Narodowy Instytut Onkologii im. Marii Skłodowskiej-Curie, oddział w Gliwicach) Izabela Gorczewska (Zakład Medycyny Nuklearnej i Endokrynologii Onkologicznej, Narodowy Instytut Onkologii im. Marii Skłodowskiej-Curie, oddział w Gliwicach) Damian Borys (Silesian University of Technology) Andrea d'Amico (Zakład Medycyny Nuklearnej i Endokrynologii Onkologicznej, Narodowy Instytut Onkologii im. Marii Skłodowskiej-Curie, oddział w Gliwicach.)

Presentation materials

There are no materials yet.