Artificial intelligence driven lung disease analysis on CT data

Analyse van longziekten op basis van CT-gegevens, aangestuurd door kunstmatige intelligentie

Longziekten, waaronder chronische obstructieve longziekte (COPD), astma, infecties, longkanker en tuberculose, blijven belangrijke oorzaken van wereldwijde sterfte en een zware belasting voor de gezondheidszorg. Onder deze aandoeningen is emfyseem - een belangrijk onderdeel van COPD - verantwoordelijk voor een geschatte 200 miljoen gevallen wereldwijd, met een hoge mate van onderdiagnose binnen de screeningspopulatie. De COVID-19-pandemie heeft de wereldwijde ademhalingsgezondheid verder onder druk gezet, vooral bij patiënten met bestaande longaandoeningen, wat de noodzaak onderstreept van verbeterde diagnostische technieken.

Deze thesis van Yeshaswini Nagaraj onderzoekt AI-gedreven oplossingen voor het detecteren en analyseren van emfyseem en COVID-19 met behulp van machine learning (ML), radiomics en deep learning (DL). Met een primaire focus op computertomografie (CT)-beelden, toont het onderzoek het potentieel van AI om de diagnostische nauwkeurigheid te verbeteren, repetitieve taken te automatiseren en klinische besluitvorming te ondersteunen. De studie is gestructureerd in verschillende secties, waarbij de eerste hoofdstukken zich richten op de detectie en kwantificatie van emfyseem via een AI-prototype dat ontwikkeld is voor low-dose CT-scans. Dat toont aan dat ze een robuuste prestatie leveren bij het vroegtijdig opsporen van de ziekte.

Proefschrift: https://hdl.handle.net/11370/5e173952-ab4f-44e8-a005-e602f1c99073