Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBulgular: Toplam 1748 artefaktın 946’sı (%54,1) kadınlarda, 802’si (%45,9) erkeklerde saptanmıştır.
📌 3 Maddede Bu Makale
Özet
Amaç: Artefaktlar, görüntüde istenmeyen, anatomik ya da patolojik yapıları gizleyebilen, tanı ve tedavi planlamasında hekimi yanıltabilen düzensizlerdir. Bu çalışmanın amacı, artefaktların yaygınlığını değerlendirmek ve konik ışınlı bilgisayarlı tomografi (KIBT) görüntülerinin tanısal niteliğini geliştirmektir. Gereç ve Yöntem: Toplam 500 hastanın (269 K; 231 E; Ort.Yaş: 47,2) KIBT görüntüleri retrospektif olarak değerlendirildi. Hastalar 4 yaş grubuna ayrılmıştır: 25 yaş altı, 25-44 yaş arası, 45-64 yaş arası ve 65 yaş üstü. Hastanın yaşı, cinsiyeti, KIBT endikasyonu, istem yapan bölüm, çekim modları, kesit sayısı, Field of View (FOV), tarama süresi, çözünürlük ve artefakt varlığı kaydedildi. Ortalama değer, maksimum ve minimum değer ve yüzde değerleri şeklinde tanımlayıcı istatistik parametreleri hesaplandı. Bulgular: Toplam 1748 artefaktın 946’sı (%54,1) kadınlarda, 802’si (%45,9) erkeklerde saptanmıştır. Artefaktların 208'i (%11,9) 25 yaş altında, 397'si (%22,7) 25-44 yaş arasında, 919'u (%52,6) 45-64 yaş arasında ve 224'ü (%12,8) 65 yaş üzerinde olan hastaların görüntülerinde izlenmiştir. Undersampling (aliasing) artefaktı en yüksek oranda (%28) gözlenirken, hareket artefaktı en düşük oranda (%0,5) tespit edilmiş ve analiz edilen görüntülerde konik ışın etkisi artefaktı tespit edilmemiştir. En yüksek oranda artefakt Arch/TMJ çekim modunda (%95) görülmüştür. Sonuç: KIBT sistemlerinin teknik gelişimiyle birlikte bu artefaktların azaltılması için çeşitli algoritmalar geliştirilmiş olsa da, kullanıcıların görüntüleme parametrelerini doğru şekilde ayarlamaları ve hasta pozisyonlandırmasına dikkat etmeleri, artefaktların en aza indirilmesinde önemli rol oynamaktadır. KIBT artefaktlarını daha iyi anlamak, azaltmak ve yönetmek için hem temel hem de uygulamalı düzeyde ileri çalışmalara ve standart görüntüleme protokollerinin oluşturulmasına ihtiyaç duyulmaktadır. Bu araştırmalar, görüntü kalitesini artırarak tanısal doğruluğu ve hasta güvenliğini daha da geliştirebilir.
Abstract
Aim: Artifacts are unwanted irregularities in the image that can obscure anatomical or pathologic structures and mislead the physician in diagnosis and treatment planning. The aim of this study was to evaluate the prevalence of artifacts and to improve the diagnostic quality of cone beam computed tomography (CBCT) images. Material and Method: CBCT images of a total of 500 patients (269 F; 231 M; mean age: 47.2 years) were retrospectively analyzed. Patients were divided into 4 age groups: Under 25 years, 25-44 years, 45-64 years and over 65 years. Patient age, gender, indication for CIBT, requesting department, acquisition modes, number of slices, Field of View (FOV), scan time, resolution and presence of artifacts were recorded. Descriptive statistical parameters were calculated as mean value, maximum and minimum value and percentage values. Results: Of the total 1748 artifacts, 946 (54.1%) were detected in females and 802 (45.9%) in males. Of the artifacts, 208 (11.9%) were observed in patients under 25 years of age, 397 (22.7%) in patients 25-44 years of age, 919 (52.6%) in patients 45-64 years of age, and 224 (12.8%) in patients over 65 years of age. Undersampling (aliasing) artifact was observed at the highest rate (28%), motion artifact at the lowest rate (0.5%) and no cone beam effect artifact was detected in the analyzed images. The highest percentage of artifacts was observed in Arch/TMJ acquisition mode (95%). Conclusion: Although various algorithms have been developed to reduce these artifacts with the technical development of CBCT systems, it is important for users to set the imaging parameters correctly and pay attention to patient positioning to minimize artifacts. To better understand, reduce and manage CBCT artifacts, further studies at both basic and applied levels and the establishment of standardized imaging protocols are needed. These investigations can further improve diagnostic accuracy and patient safety by enhancing image quality.