Kliinisiä luiden, ruston ja hampaiden tietokonetomografiakuvia (TT) voidaan tarkentaa ja parantaa uuden tekoälymallin avulla. Filosofian maisteri Santeri Rytkyn lääketieteellisen fysiikan ja tekniikan alaan kuuluvassa väitöskirjassa kehitettiin menetelmä, jossa yhdistettiin mikrotietokonetomografia (µTT) ja koneoppiminen.
Tekoälypohjainen superresoluutiomalli opetettiin tunnistamaan ihmisen polvinäytteistä ja poistetuista hampaista otetuista µTT-kuvista mikroskooppisia rakenteita ja kudosvaurioita, joita uusimmatkaan TT-laitteet eivät kykene erottamaan.
Tutkittu kuvanparannusmalli voisi tehostaa tulevaisuudessa diagnostiikkaa ja hoitoa toimimalla kuvan lukijalle “suurennuslasina”. Sen avulla voitaisiin vaihtoehtoisesti vähentää potilaiden säteilyrasitusta. Kehitetyt avoimen lähdekoodin menetelmät voivat olla hyödyllisiä myös laajemmin kolmiulotteisen lääketieteellisen datan kuvanparannuksessa sekä kudosrajapintojen tunnistamisessa.
Annika Nissinen, Hammaslääkärilehti 1/2024
Lähde: Rytky S. Machine learning applications for multi-scale computed tomography of skeletal tissues. Väitöskirja. Oulu: Oulun yliopisto, 2023.
