KI-basierte Qualitätsbewertung von klinischen Thorax-CT-Bildern
Die Qualität von Computertomographie-Bildern (CT) kann durch verschiedene technische Parameter und externe Einflüsse wie Röhreneinstellungen, Patientenbewegungen, Implantate oder anatomische Strukturen beeinträchtigt werden. Wenn sie nicht sofort überprüft wird, muss der Patient möglicherweise erneut zum Radiologen gehen, um eine weitere Aufnahme zu machen. Um dieses Szenario zu vermeiden, wäre es von Vorteil, die Qualität eines CT-Datensatzes direkt nach seiner Aufnahme automatisch zu analysieren, zu dokumentieren und zu melden.
Verschiedene traditionelle Messgrößen für die Bildqualität, wie z.B. das Bildrauschen oder die Modulationsübertragungsfunktion, sind für die Komplexität klinischer CT-Bilder möglicherweise nicht geeignet. Im Rahmen dieser Arbeit soll untersucht werden, ob KI/ML-Techniken geeignet sind, dieses Problem zu lösen.
Ein Thorax-CT-Datensatz von verschiedenen Patienten mit unterschiedlichen Pathologien oder Krankheiten wurde von verschiedenen Radiologen beschriftet. Auf der Grundlage dieses Datensatzes sollen eine oder mehrere Techniken zur Analyse der Bildqualität ausgewählt, implementiert und verglichen werden. Das endgültige Ziel ist es, eine Qualitätsbewertung für jede Patienten-CT-Aufnahme zu erstellen.
Die folgenden Schwerpunkte sollen im Rahmen der Arbeit bearbeitet werden:
- Literaturrecherche zum Stand der Technik in Bezug auf KI/ML-Techniken, sowie deren Anwendung für den gegebenen Zweck.
- Sichtung, Analyse und Aufbereitung der zur Verfügung gestellten CT-Daten.
- Auswahl und Implementierung der KI/ML-Methoden und deren Anwendung auf den gegebenen CT-Datensatz.
- Kritische Analyse der Ergebnisse.
Die Aufgabenstellung kann an die Interessen und Erfahrungen des Studenten angepasst werden. Die Ergebnisse der Arbeit sind in einer 4-8-seitigen wissenschaftlichen Ausarbeitung zusammenzufassen.
