Hyppää sisältöön
    • Suomeksi
    • In English
  • Suomeksi
  • In English
  • Kirjaudu
Näytä aineisto 
  •   Etusivu
  • 1. Kirjat ja opinnäytteet
  • Kandidaatin tutkielmat (kokotekstit)
  • Näytä aineisto
  •   Etusivu
  • 1. Kirjat ja opinnäytteet
  • Kandidaatin tutkielmat (kokotekstit)
  • Näytä aineisto
JavaScript is disabled for your browser. Some features of this site may not work without it.

Koneoppimisen hyödyntäminen syöpätutkimuksen kuvantamisessa: huomio rintasyövän tutkimukseen

Halenius, Henri (2025-03-18)

Koneoppimisen hyödyntäminen syöpätutkimuksen kuvantamisessa: huomio rintasyövän tutkimukseen

Halenius, Henri
(18.03.2025)
Katso/Avaa
Halenius_Henri_opinnayte.pdf (1.410Mb)
Lataukset: 

Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2025032019610
Tiivistelmä
Tekoäly ja sen osa-alue koneoppiminen ovat nopeasti kehittyviä tekniikoita. Syväoppivat koneoppimismenetelmät, kuten konvoluutioneuroverkot voivat analysoida kuvadataa ja tunnistaa niistä kohteita. Koneoppimistekniikat ovat hyödyllisiä monella eri alalla, ja esimerkiksi syöpätutkimuksen kuvantamisen aihepiirissä niiden käyttökohteita tutkitaan kasvavissa määrin. Tutkielman tarkoituksena on kartoittaa kirjallisuuskatsauksena miten koneoppimista hyödynnetään tai voidaan hyödyntää syöpätutkimuksen kuvantamisessa, ovatko koneoppimismenetelmät suorituskykyisempiä kuin radiologit ja mitä mahdollisia haasteita kyseisten menetelmien käytöstä voi seurata. Tutkimustuloksista käy ilmi, että koneoppimista ja niiden pohjalta rakennettuja järjestelmiä hyödynnetään pääosin kahdella eri tavalla syöpätutkimuksen kuvantamisessa: radiologin apuvälineenä tai itsenäisenä toimijana. Koneoppimisjärjestelmien ja radiologien väliset erot syövän havaitsemistarkkuudessa liittyvät sekä radiologin kokemukseen että koneoppimisjärjestelmän ja radiologin virhearviointitilanteiden eroavaisuuksiin. Syöpätutkimuksen segmentoinnin tapauksessa koneoppimisjärjestelmän on mahdollista suorittaa segmentointitehtävä vähintään radiologin tasolla ja lisäksi vähentää radiologeille ominaista segmentointitulosten subjektiivisuutta. Haasteita koneoppimismenetelmien käytöstä esiintyy lääketieteellisessä ja teknisessä kontekstissa sekä käyttöönoton yhteydessä. Koneoppimisen käyttöä syöpätutkimuksen kuvantamisessa tulee tutkia oikeissa kuvantamistilanteissa, jotta voidaan saada tietoa koneoppimismallien suorituskyvystä muissa kuin kontrolloiduissa tutkimusympäristöissä.
Kokoelmat
  • Kandidaatin tutkielmat (kokotekstit) [1297]

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste
 

 

Tämä kokoelma

JulkaisuajatTekijätNimekkeetAsiasanatTiedekuntaLaitosOppiaineYhteisöt ja kokoelmat

Omat tiedot

Kirjaudu sisäänRekisteröidy

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste