Advancing Medical Imaging with Artificial Intelligence: PET Acquisition Enhancement and MRI-Based Brain Tumour Diagnosis

Promovendus/a
Decuyper, Milan
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Elektronica en Informatiesystemen
Curriculum
Master of Electrical Engineering — Main Subject Communication and Information Technology, Universiteit Gent, 2017
Academische graad
Doctor in de ingenieurswetenschappen: biomedische ingenieurstechnieken
Taal proefschrift
Engels
Vertaling titel
Bevorderen van medische beeldvorming met artificiële intelligentie: PET-acquisitieverbetering en MRI-gebaseerde hersentumordiagnose
Promotor(en)
prof. Roel Van Holen, vakgroep Elektronica en Informatiesystemen - prof. Stefaan Vandenberghe, vakgroep Elektronica en Informatiesystemen
Examencommissie
voorzitter prof. Hennie De Schepper (onderwijsdirecteur) - prof. Karel Deblaere (Vakgroep Diagnostische Wetenschappen) - prof. Roland Hustinx (Universite de Liège) - prof. Jef Vandemeulebroucke (Vrije Universiteit Brussel) - prof. Roel Van Holen (vakgroep Elektronica en Informatiesystemen - prof. Stefaan Vandenberghe (vakgroep Elektronica en Informatiesystemen) - prof. Christian Vanhove (vakgroep Elektronica en Informatiesystemen)

Korte beschrijving

Gedreven door de steeds grotere hoeveelheid beschikbare rekenkracht en gegenereerde digitale data, vinden artificiële intelligentie (AI) systemen meer en meer hun weg in ons dagelijks leven. Ook in de medische zorg ontstaat de nood en het potentieel van AI. Elektronische medische dossiers bevatten een schat aan informatie die kan worden gebruikt voor gepersonaliseerde en precisie geneeskunde. Door de immense hoeveelheid en complexiteit van deze data, zeker binnen medische beeldvorming, is het niet mogelijk om al deze informatie volledig te benutten. Om deze reden worden AI algoritmes ontwikkeld ter bevordering van de radiologische workflow. In dit werk richten we ons op twee toepassingen binnen medische beeldvorming. De eerste bevindt zich in de acquisitiefase waar we neurale netwerken gebruiken om de spatiële resolutie van positronemissietomografie (PET) detectoren en dus ook scanners te verbeteren. We optimaliseerden de complexiteit en trainingsprocedure van de netwerken en behaalden een betere performantie in vergelijking met een gevestigd algoritme. De tweede toepassing bevindt zich helemaal aan het einde van het beeldvormingsproces. We ontwikkelden convolutionele neurale netwerken die niet-invasief, automatisch en accuraat primaire hersentumoren kunnen segmenteren en diagnosticeren op basis van pre-therapie magnetische resonantie (MR) scans. Computer-ondersteunde diagnose is belangrijk voor het bepalen van de prognose en optimale behandelingsstrategie.

Praktisch

Datum
Woensdag 27 oktober 2021, 17:30
Livestream
Volg online

Verdediging on campus, maar met beperkt publiek (op uitnodiging van de kandidaat)

Meer info

Contact
doctoraat.ea@UGent.be