Γενικός Σκοπός Η παρούσα διδακτορική διατριβή στοχεύει στην ανάπτυξη και αξιολόγηση αλγορίθμων βαθιάς μάθησης (deep learning) για την αποθορυβοποίηση δισδιάστατων εικόνων σπινθηρογραφήματος οστών χαμηλής δόσης (low-dose). Ο κύριος στόχος είναι η ασφαλής μείωση της χορηγούμενης ενεργότητας ή του χρόνου λήψης, διατηρώντας τη διαγνωστική αξιοπιστία των εικόνων. Με αυτόν τον τρόπο συμβάλλει στην πρακτική εφαρμογή της αρχής ALARA (As Low As Reasonably Achievable), μειώνοντας την ακτινική επιβάρυνση των ασθενών και του προσωπικού. Μεθοδολογία και Δεδομένα Η μελέτη βασίστηκε σε κλινικά δεδομένα 105 ασθενών (44 άνδρες, 61 γυναίκες, ηλικίας 37–88 ετών, μέση ηλικία 67 ± 11.3) από δύο ανατομικές περιοχές: θώρακα και πύελο. Οι εικόνες λήφθηκαν με γ-κάμερες Siemens χρησιμοποιώντας το ραδιοφάρμακο 99mTc-HDP στο τμήμα Πυρηνικής Ιατρικής του Πανεπιστημιακού Γενικού Νοσοκομείου Αλεξανδρούπολης. Η προσομοίωση χαμηλής δόσης πραγματοποιήθηκε μέσω μείωσης του χρόνου λήψης σε ποσοστά 30%–90% της πλήρους δόσης (full-dose). Τα δεδομένα χωρίστηκαν σε σύνολα εκπαίδευσης (training set, 75%), επικύρωσης (validation set, 15%) και δοκιμής (test set, 10%). Διαδικασία Αξιολόγησης Η αξιολόγηση πραγματοποιήθηκε σε δύο φάσεις: 1.Συγκριτική ποσοτική αξιολόγηση τεσσάρων αλγορίθμων: Συγκρίθηκαν τέσσερις αρχιτεκτονικές βαθιάς μάθησης υπό ενιαίες πειραματικές συνθήκες: U-Net, DRUNet (Denoising Residual U-Net), MobileECADnCNN (Mobile Efficient Channel Attention Denoising Convolutional Neural Network) και ECAE (Enhanced Convolutional Autoencoder). Η αξιολόγηση βασίστηκε σε PSNR (Peak Signal-to-Noise Ratio) και SSIM (Structural Similarity Index Measure). Τα αποτελέσματα ανέδειξαν τον ECAE ως την αποδοτικότερη προσέγγιση.2.Εις βάθος αξιολόγηση του ECAE: o Ποσοτική ανάλυση ανά ανατομική περιοχή: Υπολογίστηκαν PSNR και SSIM για κάθε ποσοστό δόσης (30%–90%), αναδεικνύοντας διαφοροποιημένη απόδοση ανά περιοχή. Η πυελική περιοχή, λόγω παρουσίας πιο ευδιάκριτων ανατομικών δομών, παρουσίασε καλύτερη αποθορυβοποίηση σε σχέση με τον θώρακα. o Ποιοτική κλινική αξιολόγηση: Ανεξάρτητοι πυρηνικοί ιατροί χρησιμοποίησαν κλίμακα Likert για τέσσερα κριτήρια (θόρυβος, ορατότητα δομών, διατήρηση λεπτομερειών, διαγνωστική καταλληλότητα) και δοκιμασία Two-Alternative Forced Choice (2AFC), δείχνοντας ότι οι αποθορυβοποιημένες εικόνες ήταν οπτικά προτιμητέες, χωρίς απώλεια διαγνωστικής πληροφορίας, σε σύγκριση με τις εικόνες πλήρους δόσης. Κύρια Αποτελέσματα Ο ενισχυμένος συνελικτικός αυτοκωδικοποιητής (Enhanced Convolutional Autoencoder - ECAE) υπερείχε έναντι των άλλων αλγορίθμων τόσο ποσοτικά όσο και ποιοτικά, επιτυγχάνοντας τον υψηλότερο μέσο δείκτη PSNR (38.54 dB), έναντι 37.79 dB του DRUNet και 37.63 dB του MobileECADnCNN, ενώ παράλληλα διατήρησε συγκρίσιμη δομική ποιότητα (SSIM = 0.9513). Η αποθορυβοποίηση βελτίωσε σημαντικά την ορατότητα ανατομικών δομών και μείωσε τον θόρυβο, διατηρώντας τη διαγνωστική πληροφορία ακόμη σε χαμηλά επίπεδα δόσης. Τεχνικά Χαρακτηριστικά του ECAE Ο ECAE αποτελεί αρχιτεκτονική με πολυκλιμακωτή αναπαράσταση χαρακτηριστικών (multi-scale feature representation) και μηχανισμούς προσοχής (attention mechanisms), οι οποίοι επιτρέπουν την αποτύπωση μακρινών χωρικών συσχετίσεων μεταξύ διαφορετικών περιοχών της εικόνας και των αντίστοιχων ανατομικών δομών και την αποκατάσταση λεπτομερειών από εικόνες χαμηλής δόσης. Επιπλέον, η ενσωμάτωση υπολειμματικής μάθησης (residual learning) ενισχύει την ικανότητα του δικτύου να μαθαίνει αποτελεσματικότερα. Κλινικές Προεκτάσεις και Συνεισφορά Τα αποτελέσματα της μελέτης καταδεικνύουν ότι η εφαρμογή του ECAE επιτρέπει μείωση δόσης χωρίς διαγνωστική απώλεια, καθιστώντας την αρχή ALARA πρακτικά εφαρμόσιμη. Επιπλέον, η προτεινόμενη μεθοδολογία δύναται να επεκταθεί σε άλλες τεχνικές Πυρηνικής Ιατρικής (PET (Positron Emission Tomography), SPECT (Single Photon Emission Computed Tomography) και δυναμικές μελέτες) και σε διαφορετικά ραδιοφάρμακα, ενισχύοντας τη γενική ασφάλεια και αποτελεσματικότητα της κλινικής πρακτικής. Περιορισμοί και Μελλοντικές Κατευθύνσεις Η παρούσα μελέτη περιορίστηκε σε δισδιάστατες εικόνες θώρακα και πυέλου, χωρίς άμεση αξιολόγηση της ικανότητας ανίχνευσης συγκεκριμένων παθολογικών βλαβών. Μελλοντικές κατευθύνσεις περιλαμβάνουν επέκταση σε τρισδιάστατες μελέτες SPECT, άλλες ανατομικές περιοχές, διαφορετικά ραδιοφάρμακα, αλγορίθμους ερμηνευσιμότητας και task-based διαγνωστική αξιολόγηση σε πραγματικές κλινικές συνθήκες. Συμπέρασμα Η διατριβή συνεισφέρει ουσιαστικά στο πεδίο της Πυρηνικής Ιατρικής, παρέχοντας μια ολοκληρωμένη μεθοδολογία για μείωση της δόσης μέσω βαθιάς μάθησης, τεκμηριωμένη με πραγματικά κλινικά δεδομένα και συνδυασμό ποσοτικών και ποιοτικών αξιολογήσεων. Τα ευρήματα αναδεικνύουν τη δυνατότητα ασφαλούς και αποτελεσματικής αποθορυβοποίησης, με σημαντικά οφέλη στη βελτιστοποίηση της ασφάλειας των ασθενών και των κλινικών πρωτοκόλλων.