Riassunto analitico
Il progetto di tesi qui presentato è stato sviluppato presso la Fisica Medica dell’Azienda USL – IRCCS di Reggio Emilia per testare l‘efficacia di algoritmi di apprendimento automatico su immagini mediche di pazienti affetti da linfoma maligno, in modo da poterne identificare il sottotipo. Le immagini PET di 36 pazienti affetti da quattro tra i più comuni tipi di linfomi maligni sono state usate come dati di partenza per allenare una rete neurale profonda a localizzare le lesioni e a predire il sottotipo.
Il progetto oggetto di tesi ha testato la fattibilità dell'utilizzo di reti neurali profonde per abbattere i tempi delle fasi di preparazione e segmentazione delle scansioni PET, rendendo la procedura completamente automatizzata. Lo scopo di inserire un sistema che lavori attraverso reti neurali profonde in fase di diagnostica è infatti quello di ottenere tutte quelle informazioni che oggigiorno vengono estratte a mano individualmente, in modo automatico direttamente dalle immagini provenienti da CT/PET. Le reti neurali presentate hanno il compito di individuare le immagini contenenti la lesione e successivamente analizzare queste ultime per pterne predire il sottotipo.
I risultati ottenuti da questo studio sono molto incoraggianti ed evidenziano la concreta possibilità di poter utilizzare tecniche di apprendimento automatico anche in quei casi clinici dove non è disponibile un dataset di partenza di grandi dimensioni.
|
