OPTIMIZATION OF TOMOGRAPHIC IMAGE QUALITY USING AN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)

Creative Commons License

AYGÜL E.

International Journal of 3D Printing Technologies and Digital Industry, cilt.10, sa.2, ss.332-339, 2026 (TRDizin)

Özet

Bilgisayarlı tomografi (BT), klinik uygulamalarda tanı koyma ve tedavi planlama amacıyla yaygın olarak kullanılan gelişmiş bir görüntüleme yöntemidir. Ancak, iyonlaştırıcı radyasyona dayanması nedeniyle BT görüntüleme; özellikle pediyatrik hastalar, hamile kadınlar ve kronik hastalığı olan bireyler gibi hassas gruplarda uzun vadeli malignite (kanser) riskini artırabilir. Bu nedenle, radyasyona maruz kalma düzeyini en aza indirmek, BT görüntüleme ve radyasyon temelli diğer tanısal uygulamalarda temel bir ilkedir. Ne var ki, radyasyon dozunun azaltılması genellikle görüntü kalitesinin düşmesine yol açmakta; bu da hastalıkların tespitini zorlaştırarak klinik uygulamalarda tanısal doğruluğu olumsuz etkilemektedir. Görüntü kalitesini iyileştirmek için geleneksel filtreleme teknikleri yaygın olarak kullanılsa da, bu süreçte ince yapısal detayların kaybolması, daha sağlam ve verimli yaklaşımlara duyulan ihtiyacı ortaya koymaktadır. Bu bağlamda, Uyarlanabilir Sinir-Bulanık Çıkarım Sistemi (ANFIS) birimi; öğrenme tabanlı algoritmalar kullanarak, kritik görüntü bilgilerini korurken görsel bozulmaları (artefaktları) baskılayan umut verici bir çözüm sunar. Dahası, bu tür yöntemlerin gelişmiş uygulamaları, düşük dozlu çekimlerden daha yüksek kaliteli görüntüler oluşturma potansiyeline sahiptir; böylece tanısal performanstan ödün vermeden radyasyona maruz kalma düzeyi azaltılabilir. Bu ilerleme, güncel tanısal klinik uygulamalar açısından büyük önem taşımaktadır.
Computed tomography (CT) is an advanced imaging modality widely employed in clinical practice for diagnostic and therapeutic planning purposes. However, due to its reliance on ionizing radiation, CT imaging may increase the long-term risk of malignancy, particularly among vulnerable populations such as pediatric patients, pregnant women, and individuals with chronic illnesses. Consequently, minimizing radiation exposure constitutes a fundamental principle in CT imaging and other radiation-based diagnostic applications. Nevertheless, reducing radiation dose often results in degraded image quality, thereby complicating disease detection and adversely affecting diagnostic accuracy in clinical practice. Although conventional filtering techniques are commonly utilized to enhance image quality, the associated loss of fine structural details highlights the need for more robust and efficient approaches. In this context, an Adaptive Neuro-Fuzzy Inference System (ANFIS) unit offers a promising solution by leveraging learning-based algorithms to suppress visual artifacts while preserving critical image information. Moreover, advanced implementations of such methodologies have the potential to reconstruct higher-quality images from low-dose acquisitions, thereby enabling reduced radiation exposure without compromising diagnostic performance. This advancement holds substantial significance for contemporary diagnostic clinical applications.