Kvaková, K. & Kvak, D. (2023). From Image to Insight: A Review of Deep Learning Approaches for Cystic Fibrosis Detection in Computed Tomography. Medsoft 2023. ISSN 1803-8115.
Abstrakt:
Cystická fibróza (CF) je genetické onemocnění způsobené mutacemi v genu CFTR (Cystic Fibrosis Transmembrane Conductance Regulator). Toto onemocnění způsobuje širokou škálu klinických komplikací, které postihují především dýchací a trávicí systém a rozšiřují svůj dopad i do dalších fyziologických oblastí. Pro zmírnění progrese onemocnění a zlepšení kvality života jedinců s CF je nejdůležitější včasná detekce a pečlivé sledování. Počítačová tomografie (CT), zejména CT s vysokým rozlišením (HRCT), se stala klíčovou diagnostickou metodou pro odhalení plicních projevů CF. Manuální analýza CT snímků však vyžaduje vysokou úroveň odborných znalostí a je časově náročná. Kombinace umělé inteligence (AI) a hlubokého učení s CT zobrazováním předpovídá významný pokrok v detekci CF. Hluboké učení, podmnožina umělé inteligence, využívá neuronové sítě k analýze složitých morfologických vzorců svědčících o onemocnění z velkých souborů dat. Tento přehled sleduje cestu od prvních pokusů o využití umělé inteligence při detekci CF až po nedávný pokrok dosažený pomocí algoritmů hlubokého učení. Zkoumáním různých architektur hlubokého učení a jejich začlenění do klinické praxe tento přehled osvětluje potenciál těchto nových technologií pro revoluci v detekci CF pomocí CT zobrazení. Automatizovaná a přesná analýza umožněná hlubokým učením má za cíl snížit diagnostickou zátěž radiologů, urychlit diagnostický proces a připravit půdu pro včasné a personalizované terapeutické zásahy, což je v souladu s konečným cílem zlepšit péči o pacienty.
