Riassunto analitico
L’elaborato ha come obiettivo lo sviluppo di un modello predittivo tramite tecniche di deep learning per osservare la progressione del tumore Non Small Cell Lung Cancer (NSCLC) dopo due anni dalla somministrazione della radioterapia (SBRT).
Le immagini analizzate sono tomografie computerizzare di 123 pazienti provenienti da 7 centri nazionali diversi facenti parte del progetto TEXAS dell’AUSL di Reggio Emilia.
In una fase iniziale le immagini vengono ridimensionate fino a raggiungere le dimensioni 32x64x64 e in seguito vengono applicate delle trasformazioni per essere poi utilizzate nell’addestramento della rete.
Per la scelta della rete da utilizzare si è fatto riferimento al progetto MedicalNet, il quale raggruppa diversi dataset medici e fornisce varie reti 3D pre-allenate. In particolare, per questo lavoro di tesi si è scelto di utilizzare la rete ResNet34 la quale deve essere in grado di effettuare con buona precisione una classificazione dei pazienti deceduti e sopravvissuti a seguito di un PFS della durata di due anni.
Dai risultati di AUC ottenuti nella fase di train e di test, pari rispettivamente ad un valore di 0,6343 e 0,5734, si può trarre la conclusione che il dataset fornito non risulta sufficiente a garantire un buon livello di apprendimento della rete. Tramite l’utilizzo di Grad Cam è possibile però verificare e confermare che la rete si concentra effettivamente nella zona di interesse del polmone, ovvero il tumore, per effettuare la classificazione. Questo dimostra che il modello sviluppato rappresenta una buona base per la realizzazione di un modello predittivo efficiente che si può ottenere attraverso un ampliamento del dataset iniziale.
|
