Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Kas-iskelet sistemi görüntülemesinde yapay zekâ uygulamaları: Makine öğrenmesi ve derin öğrenme teknikleri
0
Zitationen
1
Autoren
2024
Jahr
Abstract
TOTBİD Dergisi 2024;23:24-32 https://doi.org/10.5578/totbid.dergisi.2024.05Derleme / Review Kas-iskelet sistemi görüntülemesinde yapay zekâ uygulamaları: Makine öğrenmesi ve derin öğrenme teknikleri Artificial intelligence in musculoskeletal system imaging: Machine learning and deep learning techniques Murat Yüce, Gül Gizem Pamuk İstanbul Bağcılar Eğitim ve Araştırma Hastanesi, Radyoloji Kliniği, İstanbul İletişim / Contact: Uzm. Dr. Murat Yüce • E-posta / E-mail: muratyuce.dr@gmail.com ORCID iD: Murat Yüce, 0000-0003-0619-5868 • Gül Gizem Pamuk, 0000-0002-8326-7506 Geliş / Received: 29 Ağustos 2023 • Revizyon / Revised: 7 Kasım 2023, 23 Kasım 2023 • Kabul / Accepted: 26 Kasım 2023 Yapay zekâ teknikleri, makine öğrenmesi ve derin öğrenme yoluyla geliştirilmiş olup, sağlık hizmetlerinde, özellikle tıbbi görüntü analizinde en umut verici yenilik alanlarından biri ola- rak ortaya çıkmıştır. Bu derlemede, kas-iskelet sistemi görüntü- lemeye yönelik geliştirilen makine öğrenmesi ve derin öğrenme algoritmalarını değerlendirerek radyoloji hekimi ile ortopedi ve travmatoloji hekimi okurlara güncel bir bakış açısı sunmayı amaçladık. Son yıllarda kas-iskelet sistemi görüntüleme ala- nında yapılan yapay zekâ çalışmalarının sayısı gün geçtikçe art- makta ve bu çalışmalar klinik uygulamalarda önemli avantajlar yaratmaktadır. Bu alandaki çalışmalar, görüntüleme protokol- lerini optimize etme, iş akışı verimliliğini arttırma, otomatik lezyon tespiti ve sınıflandırma, otomatik ölçüm ve klinik sonla- nım veya prognoz tahmini gibi amaçlara hizmet etmektedir. Bu teknolojilerin kullanımıyla, tıbbi görüntüleme alanında önemli gelişmelere yol açma, hastaların tedavi süreçlerini ve sonuçla- rını tahmin etmede fayda sağlama amaçlanmaktadır. Yine de klinik pratikte rutin kullanım için uygun modeller henüz yay- gınlaşmamıştır. Gelecekte bu tarz modellerin geliştirilmesiyle ortopedi ve travmatoloji hekimi ile radyologların iş akışında pozitif yönde değişiklikler beklenilmektedir.
Ähnliche Arbeiten
A survey on deep learning in medical image analysis
2017 · 13.607 Zit.
nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation
2020 · 7.757 Zit.
Calculation of average PSNR differences between RD-curves
2001 · 4.088 Zit.
Magnetic Resonance Classification of Lumbar Intervertebral Disc Degeneration
2001 · 3.900 Zit.
Vertebral fracture assessment using a semiquantitative technique
1993 · 3.609 Zit.