Magnetresonanstomografi i kombination med artificiell intelligens – diagnostik av hjärntumör: En litteraturstudie
2020 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE credits
Student thesisAlternative title
Magnetic resonance imaging in combination with artificial intelligence – brain tumor diagnostics : A literature study (English)
Abstract [sv]
Bakgrund: Artificiell Intelligens (AI) är en vetenskap inom datasystem vilket sammanfattat har syftet att efterlikna mänsklig intelligens i form av utföranden eller beslut. Under de senaste åren har AI allt mer varit i ropet inom flera områden däribland sjukvården och radiologi. Radiologiska undersökningar är en del i stegen för identifiering och behandling av hjärntumörer vilka varierar i form. Denna litteraturstudie undersöker potentialen av AI som ett hjälpmedel inom radiologi.
Syfte: Kartlägga nuvarande kunskapsläge vid användande av AI vid diagnostik av hjärntumörer med magnetresonanstomografi (MRT).
Metod: Examensarbetet utfördes som en litteraturstudie av 13 artiklar med kvantitativ ansats från databaserna PubMed och Cinahl.
Resultat: AI har uppvisat förmåga till att återge bilder över hjärntumörer med hög precision av både lokalisation och form, dock inte utan fel. Med AI har även manuella bildbearbetningar blivit mer effektiva och minskat tidsåtgången av arbetet för radiologer och röntgensjuksköterskor. Hinder för tekniken är förekomst av falsk-positiva svar och begränsningar av kapacitet för hantering av små parametrar på bilderna samt kravet på arbetsstationens prestanda.
Slutsats: AI har potentialen till att snabbt analysera patientdata, däribland bilder över hjärntumörer framställda med hjälp av MRT. Denna litteraturstudie har givit en överskådlig insyn av området och visar att mer forskning behövs för att åskådliggöra AI:s betydelse för röntgensjuksköterskans profession.
Place, publisher, year, edition, pages
2020.
Keywords [en]
Artificial Intelligence, AI, brain, deep learning, MRI, tumor
National Category
Medical and Health Sciences
Identifiers
URN: urn:nbn:se:oru:diva-84587OAI: oai:DiVA.org:oru-84587DiVA, id: diva2:1454048
Subject / course
Medicine
Supervisors
Examiners
2020-07-142020-07-142020-07-14Bibliographically approved