NYHET En ny avhandling visar hur diagnostik och behandling av cancer kan förbättras genom att göra medicinska bilder, som CT eller MRI, skarpare och använda dem mer effektivt med hjälp av maskininlärning.
Magnetkamerabilder (MRT) erbjuder stora möjligheter när det gäller att diagnostisera cancer. Skanningsproceduren är dock extremt känslig. Ett av de många problemen kan vara att om patienten rör sig en aning under skanningen blir bilderna suddiga. Detta gör det svårare att exakt bestämma cancertumörens storlek och position. Detta är viktigt för att kunna planera behandlingen med precision, till exempel för att rikta strålningen så att den angriper tumören men inte frisk vävnad som omger tumören.
Å andra sidan, i takt med att den medicinska tekniken förbättras, ökar mängden tillgänglig data för att hjälpa behandlingen av patienten, men det ökar också avsevärt arbetsbelastningen för den redan överarbetade medicinska personalen. Det kan skapa informationsstress som kan orsaka förseningar och fel. Effektivare processer för bildbehandling skulle därför vara en välbehövlig förbättring.
Attila Simko, doktorand vid Institutionen för diagnostik och intervention.
I sin avhandling vid institutionen för strålningsvetenskaper visar Attila Simko hur man kan optimera kvaliteten och den effektiva bearbetningen av MR-bilder med hjälp av maskininlärning. I de presenterade studierna har Attila och hans kollegor utvecklat maskininlärningsmodeller som tränats för att eliminera vanliga artefakter i MRI-bilder, inklusive brus och rörelse. De har också utvecklat en robust modell för att skapa syntetiska CT-skanningar från MRI. För att ytterligare främja deras metoder är de alla offentligt tillgängliga för forskare för vidare användning och jämförelser.
Attila Simko har skapat en webbaserad version av sin avhandling med flera interaktiva figurer för att hjälpa till att förstå området. Mer om det finns på .
Attila Simkó, Institutionen för diagnostik och intervention, försvarar fredag 26 januari kl. 13.00 i lokal E04, Norrlands universitetssjukhus, sin avhandling Opponent Veronika Cheplygina, Köpenhamns universitet, Danmark. Huvudhandledare Joakim Jonsson.
