Kartoitus käytössä olevista syväoppivista ohjelmista leikekuvantamisessa

Abstract

Tekoälyratkaisujen kehittyminen on nopeaa ja niiden käyttöönotto myös. Erityisesti syväoppiminen on mullistanut tekoälyn kehityksen. Useimmat tekoälysovellukset ovat suuntautuneet erityisesti tietokonetomografiaan ja magneettikuvantamiseen radiologian puolella.

Opinnäytetyön tarkoituksena oli kartoittaa, millaisia syväoppivia sovelluksia on kehitetty leikekuvantamisen pariin. Opinnäytetyö toteutettiin kuvailevana kirjallisuuskatsauksena. Katsauksen aineistohaku suoritettiin Pubmedin ja CINAHL:in tieteellisistä tietokannoista. Analyysi suoritettiin aineistolähtöisen analyysin avulla ja lopulliseen analyysiin päätyi yhteensä 7 tutkimusta.

Tuloksissa korostuivat, että syväoppivat rekonstruktiot tietokonetomografiassa parantavat kuvanlaatua, vähentävät kohinaa ja säteilyannosta, magneettikuvantamisessa syväoppiva ohjelma pystyy vähentämään kuvausaikoja, säilyttäen silti korkean kuvanlaadun. Aivojen magneetissa syväoppivan ohjelman tarkkuus ja herkkyys on hyvä verrattuna kokeneeseen radiologiin. Jatkotutkimusehdotuksena voidaan esittää, että miten syväoppivat ohjelmat ovat toimineet pitkällä aikavälillä ja niiden hyöty, mutta myös työntekijöiden kokemuksia ohjelmistojen implementoinnista ja niiden vaikutuksesta työnkulkuun.