Sähkötekniikan korkeakoulun väitöskirjat ovat saatavilla yliopiston ylläpitämässä avoimessa Aaltodoc-julkaisuarkistossa.
Väitös biomittaamisen ja bioelektroniikan alalta, M.Sc. Harshit Agrawal
Väitös Aalto-yliopiston sähkötekniikan korkeakoulusta, sähkötekniikan ja automaation laitokselta
Väitöskirjan nimi: Deep learning-based metal and scatter artifact reduction in cone-beam computed tomography
³Õä¾±³Ù³Ù±ð±ô¾±Âáä: Harshit Agrawal
³Õ²¹²õ³Ù²¹±¹Ã¤¾±³Ù³ÙäÂáä:&²Ô²ú²õ±è;Prof. Samuli Siltanen, Helsingin yliopisto
Kustos: Prof. Simo Särkkä , Aalto-yliopiston sähkötekniikan korkeakoulu
Kartiokeilatietokonetomografia (KKTT, englanniksi CBCT) on edistynyt röntgenkuvantamistekniikka, joka tuottaa korkealaatuisia kolmiulotteisia kuvia pienemmällä säteilyaltistuksella, alhaisemmilla kustannuksilla ja pienemmällä laitekokonaisuudella verrattuna perinteisiin TT-laitteisiin. Näiden etujen ansiosta KKTT on arvokas monilla kliinisillä sovellusalueilla, kuten hammaslääketieteessä, ortopediassa, interventioradiologiassa ja kuvantamiseen perustuvissa hoidoissa sekä mobiili- ja etäterveydenhuollossa.
KKTT-kuvia kuitenkin heikentävät usein vääristymät, joita aiheuttavat tiheät metalliesineet ja sironnut säteily, mikä voi rajoittaa diagnostiikan tarkkuutta. Tässä väitöskirjassa esitellään syväoppimiseen perustuvia menetelmiä näiden haasteiden ratkaisemiseksi hyödyntämällä simuloitua opetusdataa ja kevyitä malleja, jotka on suunniteltu integroitumaan saumattomasti olemassa oleviin järjestelmiin. Ehdotetut menetelmät vähentävät tehokkaasti artefakteja ja parantavat kuvanlaatua reaaliajassa, tehden KKTT:stä luotettavamman, käytännöllisemmän ja soveltuvamman laajempaan kliiniseen käyttöön.
Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 7 päivää ennen väitöstä):
Yhteystiedot: harshit.agrawal@aalto.fi
Sähkötekniikan korkeakoulun väitöskirjat
Zoom pikaopas