Introduktion: Computed Tomography (CT) är en effektiv och snabb undersökningsmetod. Den visar detaljrika bilder men har en relativt hög stråldos som kan orsaka skador på grund av upprepade undersökningar, till exempel leda till lungcancer. Därför är reducering av stråldos prioriterat inom radiologin. I dagsläget pågår forskning gällande stråldosreduktion med hjälp av Artificiell Intelligens (AI) till exempel med så kallade Ultra Low Dose Computed Tomography (ULD-CT). Syfte: Syftet med studien var att beskriva faktorer av betydelse för ultralågdosprotokolls tillförlitlighet vid detektion av lungnoduli. Metod: Studiens metod var en allmän litteraturöversikt. Efter en litteratursökning i Pubmed och Cinahl valdes åtta artiklar. Artiklarnas kvalitet granskades och analyserades. Resultat: Resultatet baseras på analys av åtta vetenskapliga artiklar som visade att användning av ULD-CT är tillförlitligt samt bidrar till reducerad stråldos. AI och Iterativa Rekonstruktion (IR) kan reducera bildbrus samt ge ökad tillförlitlighet i bildkvalitet. Storlekar och nodulityp är av betydelse för detektion av lungnoduli med ULD-CT. Slutsatser: ULD-CT som är nytt inom radiologi är tillförlitligt för att detektera och diagnostisera lungnoduli under vissa omständigheter beroende av rekonstruktion, effektiv dos och storlek samt typ av lungnoduli. I dagsläget finns ett begränsat antal studier utförda inom området vilket indikerar behovet av fler studier.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:ltu-95382 |
| Date | January 2023 |
| Creators | Karboo, Boonsri, Willner, Siri |
| Publisher | Luleå tekniska universitet, Institutionen för hälsa, lärande och teknik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds