This thesis describes the bene ts and disadvantages of using synthetic Magnetic Resonance Imaging (MRI) instead of conventional MRI. The thesis is based on a clinical study performed at Orebro University Hospital were 11 patients diagnosed with Multiple Sclerosis (MS) went through a brain examination with both methods. The examination time was measured and compared between the two methods, and the quality of the images was analysed by two radiologists. The study shows that the examination time can be reduced using the synthetic method instead of the conventional. The image quality is however not as good with the synthetic method which opens a discussion whether the time reduction is worth the loss of image quality. However, the conclusions are that the method can be useful for patients diagnosed with MS who are examined yearly and especially useful as a complement to the conventional sequence to gain as much information as possible that can be compared between the patients yearly exams. To completely replace other conventional examination types, the method has to be further evaluated and equipped with functions that are present in the conventional sequences, such as correction for motion artefacts. / Denna rapport beskriver de fördelar och nackdelar som finns med att använda syntetisk magnetresonanstomografi (MRI) istället för konventionell MRI. Rapporten är baserad på en klinisk studie som har genomförts vid Universitetssjukhuset i Örebro där 11 patienter diagnostiserade med Multipel Skleros (MS) genomförde en undersökning av hjärnan med båda metoderna. Undersökningstiden mättes och jämfördes metoderna emellan, och bildkvaliteten analyserades av två radiologer. Den kliniska studien visar att undersökningstiden kan förkortas när den syntetiska metoden används i jämförelse med den konventionella. Bildkvaliteten för de konventionella bilderna anses vara av högre kvalitet i denna studie vilket öppnar en diskussion gällande huruvida det är värt att förlora en viss bildkvalitet mot förkortat undersökningstid. Slutsatsen är att metoden är användbar för patienter diagnostiserade med MS som undersöks årligen, och speciellt användbar som ett komplement till de konventionella sekvenserna för att generera så mycket information som möjligt. Denna information är sedan användbar vid jämförelse av bilderna från patienternas återkommande undersökningar. För att helt ersätta de konventionella sekvenserna krävs vidare utvärderings av den syntetiska metoden samt att den kompletteras med er funktioner, exempelvis för att korrigera för rörelseartefakter.

Inledning: Lungemboli (LE) är den tredje vanligaste dödsorsaken bland hjärt- och kärlsjukdomar. Den dominerande strategin för kliniskt diagnostikstöd vid misstanke om LE är Wells kriterier och det senaste årtiondet har datortomografisk pulmonell angiografi (CTPA) varit den bilddiagnostiska guldstandarden. Dubbel energi (DE) CTPA kan göra det möjligt att urskilja patologi och använda datauppsättningar för att konstruera jodkartor som kan nyttjas i diagnostiken. Syfte: Granska bildkvalitet, stråldos och diagnostisk noggrannhet vid DE CTPA jämfört med enkel energi (SE) CTPA vid diagnostisering av LE. Metod: Studien genomfördes som en allmän litteraturöversikt och behandlar tolv vetenskapliga artiklar av kvantitativ retrospektiv- och prospektiv metod. Resultat: DE ger en hög bildkvalitet som är likvärdig eller bättre än SE. Det finns ingen signifikant skillnad mellan DE och SE gällande den diagnostiska noggrannheten men i kombination med jodkartor och monokromatiska bilder från DE kan det detekteras LE som inte syns med SE. DE kan ge både högre och lägre stråldos jämfört med SE. Slutsats: CTPA med DE ger en hög bildkvalitet som är jämförbar eller bättre än SE. Den diagnostiska noggrannheten ökar med jodkartor och monokromatiska bilder. Beroende på metod och modell av DT varierar stråldosen mellan DE och SE.

Abstrakt Inledning: I Sverige erbjuds alla kvinnor mellan 40-74 år möjlighet till att genomgå en hälsokontroll (screening) av sina bröst. Syftet med mammografiscreening är att hitta patologi så tidigt som möjligt för att kunna tillgodose en gynnsam behandling och för att förhindra dödlig utgång. Röntgensjuksköterskan har en viktig roll i den bilddiagnostiska utredningen. En av röntgensjuksköterskans uppgifter är att framställa röntgenbilder med optimal bildkvalitet samtidigt som patientsäkerheten måste beaktas. Syfte: Syftet var att beskriva faktorer som kan påverka den optimala bildkvaliteten vid mammografiundersökningar. Metod: För att få svar på syftet genomfördes en allmän litteraturöversikt. Vetenskapliga artiklar letades i databaserna PubMed och Cinahl. 15 artiklar sammanställdes och analyserades sedn i tre kategorier. Resultat: Analysen av artiklarna visade på att det finns flera faktorer som kan inverka på den optimala bildkvaliteten vid mammografiundersökningar. Analysen presenterade tre kategorier såsom patientrelaterade aspekter, tekniska parametrar och röntgensjuksköterskans betydelse. Slutsats: Röntgensjuksköterskans kunskaper och kännedom om vilka faktorer som kan inverka på bildkvaliteten är viktig för att minimera brister i bildkvaliteten. För att kvalitetsförbättra mammografiundersökningarna samt bibehålla kunskap krävs kontinuerlig träning och utbildning.

Framgången av mönsterigenkänning inom AI (artificiell intelligens) har skapat höga förväntningar om att AI ska kunna appliceras inom vården, framför allt inom radiologi. Det danska företaget Radiobotics har utvecklat en maskininlärningsbaserad programvara som diagnostiserar knäartros, för att assistera vårdpersonalen i deras arbete. Denna AI-programvara vid namn RBknee analyserar en röntgenbild utifrån tre diagnostiska parametrar som förekommer vid knäartros, för att sedan sammanställa de radiologiska fynden i en skriftlig rapport tillsammans med en slutgiltig diagnos. För att få förståelse för hur RBknees analysförmåga påverkas av en bildkvalitetsförsämring undersöktes för vilken kontrast och brusnivå som RBknee genererar ett felaktigt utlåtande gällande de diagnostiska parametrarna och slutdiagnosen. Vidare undersöktes om graden av knäartros påverkade RBknee analysförmåga vid en bildkvalitetsförsämring. Ett bildunderlag med kliniskt tagna slätröntgenbilder av knän degraderades med avseende på kontrast och brus för att sedan analyseras av RBknee. Förändringar av RBknees utlåtande för de degraderade bilderna jämfört med originalbildens utlåtande sammanställdes och studerades. Resultatet visade att det inte gick att identifiera en specifik försämringsgrad av bildkvaliteten där RBknee genererade ett felaktigt utlåtande. RBknees förmåga att generera ett korrekt utlåtande var bättre vid en kontrastdegradering än vid en brusdegradering. Det konstaterades att en ökad brusnivå ökade risken för ett felaktigt utlåtande av RBknee, samt att brusets position på röntgenbilden hade en påverkan. Det gick även att fastställa att röntgenbilder av knän med en lägre grad av knäartros i högre grad riskerade att få felaktiga utlåtanden av RBknee. / The success of pattern recognition in AI (artificial intelligence) has brought high expectations for AI to be applied in healthcare, especially in radiology. A machine learning software for knee osteoarthritis diagnosis has been developed by the Danish company Radiobotics. The AI software, named RBknee, analyses digital radiographs and annotates osteoarthritis related findings. The findings, together with a conclusion, are compiled in a written report. RBknee is intended to assist healthcare professionals in radiographic analysis. How RBknees analytical ability is affected by a reduced image quality was studied by examining the contrast and noise level which cause RBknee to generate incorrect findings and conclusions. If the image quality reduction caused RBknees analytically ability to differ with different degrees of knee osteoarthritis, was also studied. The image quality of clinical digital radiographs of knees was reduced and analysed by RBknee. RBknees findings and conclusion were compared with the report of the original image, where the changes were compiled into tables. No specific reduction of image quality that restricted RBknee analytically ability was established in the study. An increased noise level seemed to increase the risk of receiving an incorrect report by RBknee. RBknees ability to generate correct report was better for contrast degraded images than for images with increased noise level. The position of the noise in the radiograph also seemed to have an impact on RBknees analytical ability. It was also possible to establish that knees with a lower degree of knee osteoarthritis were more likely to receive an incorrect report from RBknee.

Cone Beam Computed Tomography (CBCT) är en relativt ny modalitet att användas inom ortopedin till olika typer av skador och användningen håller på att öka. Författarna till denna studien har under skolgången endast i liten omfattning stött på denna modalitet, vilket gjorde att deras intresse för att lära sig mer om den var stort. Syftet med den här studien var att sammanställa vilka fördelar och nackdelar modaliteten har vid frakturutredning i extremiteter. Metoden som användes till den här studien var en allmän litteraturstudie, där fakta samlades in från artiklar i olika databaser och även i kurslitteratur. Kvalitetsgranskningen gjordes av båda författarna enligt ett kvalitetsgranskningsprotokoll som var specialutformat för att passa studien bra.  I analysen sammanställdes informationen från artiklarna och kategoriserades för att göra resultatet mer lättöverskådligt. Resultatet visade på att fler frakturer hittas med hjälp av CBCT:n än vad det görs med konventionell röntgen. Detta gällde särskilt scaphoideum-, karpalbens-, och handledsfrakturer. Den visade sig även vara ett hjälpmedel gällande bedömning av instabil eller stabil fotled efter en viss typ av fotledsfraktur. Magnetisk resonans (MR) visade sig var något bättre än CBCT:n på att detektera scaphoideumfrakturer. Frakturdetekteringsförmågan hos CBCT:n var likvärdig som med den hos Multi Detector Computed Tompography (MDCT). Stråldosen ifrån CBCT:n visade sig vara högre än vid konventionell röntgen, men mindre än stråldosen från MDCT:n. CBCT:n var även billigare att köpa in och underhålla än MDCT:n. CBCT:n visade sig ha en vanlig typ av artefakter, som var beam-hardening artefakter och rörelseartefakter. Författarna till denna studien tror att CBCT:n kan vara ett bra komplement till konventionell röntgen vid olika frakturer i extremiteter, men mer forskning behöver göras då området fortfarande är relativt nytt och informationen är begränsad. / Cone Beam Computed Tomography (CBCT) is a relatively new modality to be used in orthopedic for various types of injuries and the usage is increasing. The authors of this study have only encountered this modality a little bit during school, which meant that their interest in learning more about it was big. The purpose of this study was to compile the advantages and disadvantages of this modality in fracture examination in extremities. The method used for this study was a general literature study, where facts were collected from articles in different databases and also in literature. The quality review was done by both authors according to a quality audit protocol that was tailor-made to suit the study well.  In the analysis, the information was compiled from the articles and categorized to make the result more easy to understand. The result showed that more fractures were found using CBCT than conventional X-ray. This was especially true of scaphoidum, carpal, and wrist fractures. It also proved to be an aid in assessing unstable or stable ankle after a certain type of ankle fracture. Magnetic resonance (MR) proved slightly better than the CBCT to detect scaphoid fractures. The fracture detection capability of the CBCT was similar to that of Multi Detector Computed Tompography (MDCT). The radiation dose from the CBCT was found to be higher than in conventional X-rays, but less than the radiation dose from the MDCT. The CBCT was also cheaper to buy and maintain than the MDCT. The CBCT proved to have a common type of artifacts, such as beam-hardening artifacts and movement artifacts. The authors of this study believe that the CBCT may be a good complement to conventional x-ray in various fractures in extremities, but more research needs to be done as this area is still relatively new and the information is limited.

The Gamma Knife is a non-invasive stereotactic radiosurgery system used for treatments of deep targets in the brain. Accurate patient positioning is needed for precise radiation delivery to the target. The two latest versions of the Gamma Knife allow fractionated treatment by co-registering Cone-beam computed tomography (CBCT) images of the patient's position in the Gamma Knife with a diagnostic magnetic resonance (MR) image used for treatment planning. However, CBCT images often suffer from artifacts that degrade image quality, which may result in less accurate co-registration. This thesis project investigates the potential of a new reconstruction framework developed by Elekta, which incorporates scattering correction and noise filters, for the reconstruction of Gamma Knife CBCT images. The performance of the new reconstruction framework, along with its noise filter and scatter correction, is quantified using image quality metrics of phantoms, including contrast, uniformity, spatial resolution, and CT-number accuracy. Additionally, brain CBCT images of five patients are co-registered with their diagnostic MR images, and the mean target registration error is measured. The results indicate that the new reconstruction framework, without using scatter correction and noise filtering, performs equally well as the current framework in reconstructing Gamma Knife CBCT images, as it achieved similar image quality and co-registration accuracy. However, when the scatter correction was used, there were improvements in image uniformity and CT-number accuracy without compromising spatial resolution. Additionally, the introduction of a noise filter resulted in an improved contrast-to-noise ratio and low contrast visibility with minimal compromise of spatial resolution. Despite these image quality enhancements, there were no consistent improvements in co-registration accuracy, indicating that the co-registration is not sensitive to scatter or noise artefacts. / Gammakniven är en medicinteknisk apparat som används för icke-invasiv stereotaktisk strålkirurgi vid behandling av djupa mål i hjärnan. För att uppnå precision i strålbehandlingen krävs noggrann patientpositionering. De två senaste versionerna av Gammakniven tillåter fraktionerad behandling genom att co-registrera cone-beam computed tomography (CBCT)-bilder av patientens position i Gammakniven med en diagnostisk magnetresonans (MR)-bild som används för behandlingsplanering. Tyvärr lider CBCT-bilder ofta av artefakter som kan försämra bildkvaliteten och därmed minska precisionen i co-registreringen. Detta examensarbete undersöker ett nytt rekonstruktionsramverk som utvecklats av Elekta. Det nya rekonstruktionsramverket och dess tillhörande brusfilter och spridningskorrigering utvärderas för rekonstruktion av Gammaknivens CBCT bilder med hjälp av bildkvalitetsmått för fantomer, såsom kontrast, uniformitet, spatial upplösning och noggrannhet i CT-nummer. Dessutom co-registreras CBCT-bilder från fem patienter med deras diagnostiska MR-bilder, och det genomsnittliga registreringsfelet mäts. Resultaten visar att det nya rekonstruktionsramverket, utan användning av spridningskorrigering och brusfiltrering, presterar lika bra som det nuvarande ramverket för rekonstruktion av CBCT-bilder från Gammakniven. Båda ramverken ger liknande bildkvalitet och noggrannhet i co-registreringen av bilderna. Vid användning av spridningskorrigering observerades förbättringar i uniformiteten och noggrannheten i CT-nummer utan att den spatiala upplösningen försämrades. Införandet av brusfilter resulterade i ett förbättrat kontrast-brus-förhållande och synlighet av svaga kontrastskillnader med endast lite avkall på den spatiala upplösningen. Trots dessa förbättringar i bildkvaliteten observerades ingen konsekvent förbättring av noggrannheten i co-registreringen av bilderna, vilket tyder på att co-registreringen inte påverkas av spridnings- eller brusartefakter i stor utsträckning.

Image Super-Resolution (ISR) is a technology that aims to increase image resolution while preserving as much content and detail as possible. In this study, we evaluate four different Deep Learning models (EDSR, LapSRN, ESPCN, and FSRCNN) to determine their effectiveness in increasing the resolution of lowresolution images. The study builds on previous research in the field as well as the results of the comparison between the different deep learning models. The problem statement for this study is: “Which of the four Deep Learning-based models, EDSR, LapSRN, ESPCN, and FSRCNN, generates an upscaled image with the best quality from a low-resolution image on a dataset of Abyssinian cats, with a factor of four, based on quantitative results?” The study utilizes a dataset consisting of pictures of Abyssinian cats to evaluate the performance and results of these different models. Based on the quantitative results obtained from RMSE, PSNR, and Structural Similarity (SSIM) measurements, our study concludes that EDSR is the most effective Deep Learning-based model. / Bildsuperupplösning (ISR) är en teknik som syftar till att öka bildupplösningen samtidigt som så mycket innehåll och detaljer som möjligt bevaras. I denna studie utvärderar vi fyra olika Deep Learning modeller (EDSR, LapSRN, ESPCN och FSRCNN) för att bestämma deras effektivitet när det gäller att öka upplösningen på lågupplösta bilder. Studien bygger på tidigare forskning inom området samt resultatjämförelser mellan olika djupinlärningsmodeller. Problemet som studien tar upp är: “Vilken av de fyra Deep Learning-baserade modellerna, EDSR, LapSRN, ESPCN och FSRCNN generarar en uppskalad bild med bäst kvalité, från en lågupplöst bild på ett dataset med abessinierkatter, med skalningsfaktor fyra, baserat på kvantitativa resultat?” Studien använder en dataset av bilder på abyssinierkatter för att utvärdera prestandan och resultaten för dessa olika modeller. Baserat på de kvantitativa resultaten som erhölls från RMSE, PSNR och Structural Similarity (SSIM) mätningar, drar vår studie slutsatsen att EDSR är den mest effektiva djupinlärningsmodellen.