W pracy przedstawiono ocenę efektywności sztucznych sieci neuronowych w redukcji szumów na obrazach klatki piersiowej uzyskanych za pomocą tomografii komputerowej. Szumy w obrazach medycznych mogą wpływać negatywnie na dokładność diagnozy podczas badań klinicznych. W pracy przeanalizowano możliwości zastosowania sieci neuronowych, takich jak sieci konwolucyjne, w celu poprawy jakości obrazów tomografii komputerowej bez utraty istotnych szczegółów anatomicznych. Wyniki pracy wskazują, że sztuczne sieci neuronowe, a zwłaszcza sieci konwolucyjne, mogą znacząco poprawić jakość obrazów medycznych, redukując szumy bez utraty kluczowych informacji diagnostycznych. Zastosowanie sztucznych sieci neuronowej w praktyce klinicznej może zwiększyć precyzję diagnozy oraz zmniejszyć konieczność powtarzania badań, co wiąże się z mniejszym narażeniem pacjentów na promieniowanie.

This thesis presents an evaluation of the effectiveness of artificial neural networks in reducing noise in chest images obtained with CT scans. Noise in medical images can adversely affect the accuracy of diagnosis during clinical examinations. This thesis explores the potential of using neural networks, such as convolutional networks, to improve the quality of CT images without losing important anatomical details. The results of the study indicate that artificial neural networks, particularly convolutional networks, can significantly improve the quality of medical images by reducing noise without losing key diagnostic information. The use of artificial neural networks in clinical practice can increase the precision of diagnosis and reduce the need for repeated examinations, which is associated with less radiation exposure to patients.