Deep Learning zur Schätzung absorbierter Strahlungsdosis für die nuklearmedizinische Diagnostik
Year: 2019
Type: preprint
Abstract: Im vergangenen Jahrzehnt gab es große Fortschritte im maschinellen Lernen. Diese Beiträge haben auch andere Wissenschaften und die Industrie in hohem Maß beeinflusst, sodass oft interdisziplinäre Gruppen an Verfahren der künstlichen Intelligenz geforscht haben. Diese Verfahren werden zur Klassifikation, Mustererkennung oder Annäherung von Funktionen verwendet. Letzteres ist besonders in der nuklearmedizinischen Diagnostik für die Dosimetrie von Interesse. Krebspatienten sind durch die Therapie mit Radiopharmaka einer großen Strahlenbelastung ausgesetzt. Umso bedeutsamer sind Verfahren zur genauen Berechnung der Dosis. Doch gängige Verfahren benötigen lange Berechnungszeiten zur Simulation der durch das injizierte Isotop deponierten Energie. In der nachfolgenden Arbeit wird ein neues Verfahren vorgestellt, welches mit Hilfe von Bildgebungen eine möglichst präzise Näherung für die absorbierte Strahlungs- dosis im Körper schätzt. Für diesen Zweck kommen Bildgebungen aus dem CT und PET oder SPECT zum Einsatz. Aus der CT-Bildgebung wird die Massendichte für das Gewebe des Patienten gewonnen.
Source: OSF Preprints (OSF Preprints)
Author: Luciano Melodia
Language: German
Topic: Radiation Dose and Imaging
Subfield: Radiology, Nuclear Medicine and Imaging
Field: Medicine
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W2804936716
