Thesis supervisor: Bence Tamás Szabó
Location of studies (in Hungarian): SE Abbreviation of location of studies: SE
Description of the research topic:
A dentomaxillofaciális (DMF) radiológia az egyik olyan egészségügyi szakterület, ahol az elsők között jelent meg a mesterséges intelligencia és a szakirodalomban is egyre növekvő érdeklődés övezi. Ez többek között annak is köszönhető, hogy nagy digitális DMF radiológiai képadatbázisok érhetőek el, hiszen a mesterséges intelligencia működésének és fejlődésének egyik alapja a nagy mennyiségű adat megléte. Ez az adat folyamatosan generálódik a fogászati radiológiában is, amelyet felhasználva a mesterséges intelligenciát alkalmazó szoftverek képesek fejlődni, tanulni és ezáltal egyre pontosabban tudnak adott feladatokat ellátni. E rendszereket ugyanakkor valós klinikai körülményekre kell adaptálni és esszenciális, hogy működésük során a kiértékelés pontossága és gyorsasága elérje vagy akár meghaladja a klinikusok szakértelmét.
A megfelelő diagnózis felállítása az egyik alappillére minden orvosi beavatkozásnak. Ennek fontos kiegészítő diagnosztikai módszere a radiológiai vizsgálat. A mesterséges intelligencia ezt a folyamatot támogathatja, hiszen a fogorvosok és fogászati radiológusok munkájának jelentős részét a DMF régióról készült különböző intra- és extraorális képalkotó vizsgálatok kiértékelése képezi. Számos tanulmány foglalkozik mély tanulási módszerekkel, köztük a konvolúciós neurális hálózatokkal, amelyek különféle fogászati radiológiai felvételen észlelhető elváltozás, mint például a caries, a gyökércsúcs körüli vagy egyéb állcsont léziók felismerését támogatják. A konvolúciós neurális hálózatok a képelemzésben felhasználhatóak osztályozásra, detektálásra és szegmentálásra is. Az osztályozás során az adott hálózat eldönti, hogy a kép adott területén jelen van-e a keresett mintázat, míg a detektálás során a keresett elváltozás lokalizálása és beazonosítása történik az adott képterületen, majd a szegmentálás során a szoftver kijelöli és címkézi az adott képrészletet, ahol a lehetséges patológiás elváltozás található. A felvételek és az elkülöníteni való mintázatok sokszínűsége miatt a különböző rendszerek nem csak egy, hanem több neurális hálózat kombinációját használják a feladat ellátására, ahol mindegyik egy adott részfeladatot végez el és a végső kimeneti eredmény ezeknek az összességét képezi. A program által generált kiértékelés felhívja a klinikus figyelmét a léziót tartalmazó képterületekre és segít a diagnózis felállításában, hiszen képes felismerni az egyes anatómiai struktúrákat, ezek alapján tájékozódni és az esetleges kóros elváltozásokat jelölni, leggyakrabban egy valószínűségi érték megadásával.
Célunk, hogy nemzetközi kutatás során vizsgáljuk intraorális röntgenfelvételeken egyes konvolúciós neurális hálózatot alkalmazó DMF képelemző szoftverek hatékonyságát, valamint megvizsgáljuk annak lehetséges implementációját a fogorvosi klinikai gyakorlatba.
A nagyobb, fogászati radiológiai modalitásokat alkalmazó klinikákon és radiológiai centrumokban naponta számos extraorális felvétel is készülhet. Az orthopantomográf és a kúp alakú sugárnyalábot alkalmazó komputer tomográf (cone-beam computed tomography (CBCT)) felvétel olyan extraorális felvételtípus, amellyel a fej-nyak régió nagyobb része vizsgálható. Ugyanakkor minél nagyobb leképezett anatómiai régiót kell az orvosnak értékelnie, annál több időt vesz igénybe az adott képanyag áttekintése és elemzése. Másrészt ezeken a felvételeken - a CBCT esetében a leképezett térfogat méretétől függően - a dentoalveoláris régión kívül eső területek is ábrázolódnak, így megnő az esélye annak, hogy a felvételt elemző fogorvos vagy DMF radiológus véletlenszerűen fedezzen fel eltérést a vizsgált dentoalveoláris területen kívül a DMF régióban. A megjelent DMF radiológiai témájú publikációk számos esetben hangsúlyozzák ennek kitüntetett jelentőségét a mindennapi fogorvosi klinikai gyakorlatban. Mindezt figyelembe véve a nagyobb méretű leképezett anatómiai régiót tartalmazó fogászati radiológiai képanyag kiértékelését támogató konvolúciós neurális hálózatot alkalmazó rendszerek használata a jövőben hozzájárulhat a mind magasabb szintű betegellátáshoz.
Célunk, hogy vizsgáljuk a konvolúciós neurális hálózatot alkalmazó DMF képelemző szoftverek megbízhatóságát és hatékonyságát a DMF régióban nemzetközi kutatás során extraorális fogászati radiológiai felvételeken.
Number of students who can be accepted: 3
Deadline for application: 2024-05-31
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Login
