Identicazione semi-automatica della membrana sinoviale del ginocchio in esami ecografici

Il ruolo dell’imaging medico si è espanso oltre la semplice visualizzazione e ispezione delle strutture anatomiche. Sebbene i dispositivi di imaging forniscano dati cruciali e molto utili sulle strutture anatomiche interne, il peso dell’operatore nella selezione della zona di interesse e nella preparazione tecnica e teorica personale, portano a dare risultati differenti nell’analisi di una stessa immagine. Ciò è evidente soprattutto in esami strumentali, quali le ecografie, in cui il bagaglio di esperienza dell’utilizzatore è di fondamentale importanza sia nell’esecuzione dell’esame, sia nella interpretazione successiva dei dati acquisiti. Dati quantitativi, accurati e ripetibili, devono essere efficacemente estratti allo scopo di supportare l’ampio spettro di investigazioni e attività cliniche . La segmentazione di strutture da immagini mediche e la loro ricostruzione è difficoltosa per vari motivi, tra cui complessità e variabilità delle forme anatomiche di interesse, grandissima dipendenza dall’operatore che compie l’esame, i bordi delle strutture di interesse che risultano indistinti e disconnessi a causa di rumore e artefatti creati dalla strumentazione. In questa tesi si utilizzano procedimenti che cercano proprio di limitare i problemi suddetti, sviluppando metodiche che hanno lo scopo di ridurre in prima istanza gli effetti della variabilità intra / inter-operatore e della variabilità presente nelle stesse strutture anatomiche, in dataset differenti. In particolare, la tesi si propone di ricostruire, partendo da immagini ecografiche, i bordi di una particolare struttura, la membrana sinoviale nell'articolazione di ginocchio. Si utilizzeranno approcci con contorni deformabili, chiamati snakes, i quali verranno spinti verso le features di interesse (nel nostro caso i bordi), sotto l'influsso di forze interne (che daranno allo snake caratteristiche di elesticità e rigidezza) e di forze esterne generate dall'immagine in cui queste curve sono applicate. Per il campo di forze si sfrutta la tecnica Vector Field Convolution (VFC) e si utilizzerà una funzione particolare chiamata cubic smoothing spline (csaps) per strutturare e inizializzare la curva dato un numero N di punti di partenza.