Ai-based prediction of entrance surface dose and effective dose in x-ray radiography for patients

Abstract

This thesis focuses on the application of artificial intelligence (AI) in predicting the Effective Dose and the Entrance Surface Dose in X-ray radiography. The aim of this research is to develop an intelligent model capable of accurately estimating radiation doses based on various imaging data, without the need for direct measurements. This contributes to improving radiation protection and reducing risks to patients. The study relies on machine learning algorithms to build a predictive model based on diverse clinical and technical data, including device parameters and examination type. The thesis also presents the fundamental principles of radiation doses, as well as the challenges of medical modeling using artificial intelligence. The proposed model shows promising potential in accurately predicting radiation doses, supporting safer and more efficient clinical decision-making ==================================================================================================== Ce mémoire porte sur l’application de l’intelligence artificielle (IA) dans la prédiction de la dose efficace (Effective Dose) et de la dose en surface d’entrée (Entrance Surface Dose) en radiographie aux rayons-X. L’objectif de cette recherche est de développer un modèle intelligent capable d’estimer avec précision les doses de rayonnement à partir de différentes données d’imagerie, sans recourir à des mesures directes, contribuant ainsi à améliorer la radioprotection et à réduire les risques pour les patients. L’étude repose sur des algorithmes d’apprentissage automatique (Machine Learning) pour construire un modèle prédictif basé sur des données cliniques et techniques variées, incluant les paramètres de l’appareil et le type d’examen. Le mémoire présente également les principes fondamentaux des doses de rayonnement ainsi que les défis de la modélisation médicale par l’intelligence artificielle. Le modèle proposé démontre une capacité prometteuse à prédire avec précision les doses de rayonnement, ce qui permet une prise de décision clinique plus sûre et plus efficace.