Denna uppsats presenterar resultaten av en kvalitativ undersökning som syftar till att ge en djupare förståelse för användningen av AI inom radiologi, dess framtida påverkan på yrket och hur det används idag. Genom att genomföra tre intervjuer med personer som arbetar inom radiologi, har datainsamlingen fokuserat på att identifiera de positiva och negativa aspekterna av AI i radiologi, samt dess potentiella konsekvenser på yrket. Resultaten visar på en allmän acceptans för AI inom radiologi och dess förmåga att förbättra diagnostiska processer och effektivisera arbetet. Samtidigt finns det en viss oro för att AI kan ersätta människor och minska behovet av mänskliga bedömningar. Denna uppsats ger en grundläggande förståelse för hur AI används inom radiologi och dess möjliga framtida konsekvenser. / This essay presents the results of a qualitative study aimed at gaining a deeper understanding of the use of artificial intelligence (AI) in radiology, its potential impact on the profession and how it’s used today. By conducting three interviews with individuals working in radiology, data collection focused on identifying the positive and negative aspects of AI in radiology, as well as its potential consequences on the profession. The results show a general acceptance of AI in radiology and its ability to improve diagnostic processes and streamline work. At the same time, there is a certain concern that AI may replace humans and reduce the need for human judgments. This report provides a basic understanding of how AI is used in radiology and its possible future consequences.

The integration of Artificial Intelligence (AI) in dental radiography not only presents an opportunity but also holds immense potential to enhance diagnostic accuracy and efficiency. This study addresses the exciting challenge of leveraging AI, specifically a generative pre-trained transformer model, to interpret dental panoramic X-rays, a task traditionally reliant on human expertise. The central purpose of the study is to evaluate the diagnostic capabilities of this AI model compared to professional dental evaluations, focusing on its accuracy and consistency, thereby paving the way for a promising future in dental diagnostics. The research involved a sample of 35 dental panoramic X-rays obtained from Flexident AB, anonymized and annotated by a panel of dental professionals. The study was conducted in two stages: Stage One tested the AI model in three different methods: 1- without any annotations, 2- with numbered teeth, and 3- with colored circles highlighting areas of interest. Stage Two involved training a specialized GPT model with domain-specific knowledge. Key findings indicate that the AI model, when provided with detailed visual annotations, achieved diagnostic accuracy comparable to that of dental professionals, as statistical analysis showed no significant differences between the golden standard (dentist group) and the visually annotated group (P>0.05). However, the model struggled with unannotated images, highlighting the importance of structured input. The research underscores the potential of language-based AI in medical imaging while emphasizing the need for detailed input to optimize performance. This study is pioneering in applying a generative pre-trained transformer model for dental diagnostics, opening new avenues for AI integration in healthcare. / Integrationen av artificiell intelligens (AI) inom tandradiografi innebär inte bara en möjlighet utan har också en enorm potential att förbättra diagnostisk noggrannhet och effektivitet. Denna studie tar upp den spännande utmaningen att utnyttja AI, specifikt en generativ förtränad transformer-modell, för att tolka panoramaröntgenbilder av tänder, en uppgift som traditionellt är beroende av mänsklig expertis. Studiens centrala syfte är att utvärdera de diagnostiska förmågorna hos denna AI-modell jämfört med professionella tandläkarbedömningar, med fokus på dess noggrannhet och konsekvens, vilket banar väg för en lovande framtid inom tanddiagnostik. Forskningen omfattade ett urval av 35 panoramaröntgenbilder av tänder erhållna från Flexident AB, anonymiserade och annoterade av en panel av tandläkare. Studien genomfördes i två steg: Steg ett testade AI-modellen på tre olika sätt: 1- utan några annoteringar, 2- med numrerade tänder och 3- med färgade cirklar som markerade intressanta områden. Steg två involverade träning av en specialiserad GPT-modell med domänspecifik kunskap. Nyckelresultat visar att AI-modellen, när den tillhandahölls detaljerade visuella annotationer, uppnådde en diagnostisk noggrannhet jämförbar med professionella tandläkare, då statistisk analys visade inga signifikanta skillnader mellan guldstandarden (tandläkargruppen) och den visuellt annoterade gruppen (P>0,05). Modellen hade dock svårigheter med icke-annoterade bilder, vilket understryker vikten av strukturerad inmatning. Forskningen betonar potentialen hos språkbaserad AI inom medicinsk avbildning och behovet av detaljerad inmatning för att optimera prestanda. Denna studie är banbrytande i sin tillämpning av en generativ förtränad transformer-modell för tanddiagnostik, vilket öppnar nya möjligheter för AI-integrering inom sjukvården.

Cerebral blood flow quantification is a vital diagnostic tool for disease monitoring and used for diagnosing a variation of pathological conditions. The human brain requires roughly about 20 % of the total cardiac output to sustain normal functioning, hence the perfusion of blood is an important factor to deliver oxygenated blood. The golden standard for quantifying the cerebral blood flow follows by measurement with dynamic positron emission tomography of 15O-labelled water modelled by tracer kinetic compartments. For implementation, knowledge of an input function must exist which is in general being sampled through arterial cannulation of the radial artery with a continuous sampling instrument. The core of this thesis is to establish if two sampling instruments contradicts in comparison to each other when sampling the data to the input function.  In total 22 subjects underwent a 10-minute dynamic  15O-labeled water brain PET scan on two imaging modalities PET/CT and PET/MR. Continuous arterial sampling was performed either by a Veenstra on PET/CT or a Swisstrace on PET/MR during a baseline scan. In two subjects the two sampling instruments were coupled in series and imaged solely on the PET/CT.  Cerebral blood flow analysis was done comparing varying dispersion times, the two imaging modalities compared each other and comparing the calculated and measured blood flows obtained through this study with the values obtained prior. To be able to compare the values showing inconsistency to the values obtained through this thesis, a comparison between two different iterative reconstruction methods was done. Here the method of ordered subsets expectation maximum was compared to a Bayesian penalized-likelihood method. To further compare the two sampling instruments an image derived input function was constructed and compared with the blood sampled input function. The results showed that there was no significant difference between measured cerebral blood flow between the two imaging modalities with the currently used reconstruction method based on Bayesian penalized likelihood but presented in the earlier data there was an inconsistency. A dispersion analysis with variation on the external dispersion time shows that if the time was chosen to low or to high compared to the standard time used it introduced distorted fitted models of the activity curves. This distortion creates further errors in the calculation of the cerebral blood flow, however with the analysis the standard dispersion time could be confirmed as an accurate fit. Subjects imaged with the two sampling instruments in series showed no significant difference except for the measured values on Veenstra to be slightly higher. Lastly the correlation between the image derived input function and the blood sampled input function showed poorly performance. Only a R2 value of 0.42 was achieved on the PET/CT while a meagre R2 value of 0.18 was achieved on the PET/MR. Although the correlation was poorly, the plotted activity curves from the two functions showed a representable appearance between each other. / Kvantifiering av det cerebrala blodflödet är ett nödvändigt diagnostiskt verktyg som används för att kontrollera och diagnostisera en variation av patologiska sjukdomstillstånd. Den mänskliga hjärnan kräver kring 20 %av den totala produktionen från hjärtat för att upprätthålla normal funktion, följaktligen är perfusion av blod en viktig faktor för att distribuera syrerikt blod runt om i kroppen. Den gyllene standarden för kvantifiering av det cerebrala blodflödet följer som undersökning med dynamisk positron emission tomografi av 15O-märkt vatten, modellerat  med kinetisk kompartment teori. För att kunna implementera detta måste information om en input-funktion erhållas, generellt erhålls detta genom att blod tags genom arteriell kanylering av antingen den radiella artären med ett kontinuerligt samplings instrument. Målet med detta arbete är att fastställa om två samplings instrument motsäger varandra vid mätning av data till input-funktionen. Totalt deltagande är 22 patienter som genomgick en 10-minuters dynamisk 15O-märkt vatten PET undersökning av hjärnan på två bildtagningsmodaliteter PET/CT och PET/MR. Kontinuerlig blodtagning genomfördes antingen med en Veenstra sampler instrument på PET/CT eller en Swisstrace sampler instrument på PET/MR tillsammans med en baseline undersökning. Vid två undersökningar seriekopplades de två instrumenten och patienterna blev endast undersökta vid PET/CT. För ytterligare kunna utvärdera de två instrumenten, konstruerades en bild framtagen input-funktion som sedan kunde jämföras med den blod samplade input-funktionen. Cerebrala blodflödes analyser gjordes med olika dispersions tider, även för att kunna jämföra de två bildtagningsmodaliteterna mot varandra och jämföra erhållna värden framtagna under denna studie med en tidigare studie. För att kunna jämföra avvikelserna i de uppmätta värdena har även två olika rekonstruerings metoder studerats. Resultaten visar ingen signifikant skillnad mellan de uppmätta cerebrala blodflödena mellan de två bildtagningsmodaliteterna rekonstruerade med den nuvarande standarden. Dispersions analysen med varierande extern dispersions tid visar att om tiden är för kort eller för lång jämfört med standardtiden, introduceras en osann anpassning av aktivitets kurvorna. Denna förvrängning av datat resulterar till fler avvikelser i beräkningarna av blodflödet, likväl var det möjligt att bekräfta standardtiderna som används. Patienter som undersöktes med instrumenten i seriekoppling visade ingen signifikant skillnad förutom att det uppmättes en aningens högre värden hos patienter med Veenstra som blod sampler. Slutligen, korrelationen mellan den bild framtagna input-funktionen och den blod samplade input-funktionen visade ett dåligt resultat. Endast ett R2 värde på 0.42 erhölls för PET/CT medan endast ett R2 värde på 0.18 på PET/MR erhölls. Trotts att korrelationen var dålig, visade de plottade aktivitets kurvorna ett representativt utseende mellan de två typerna av input funktion.