Valutazione automatica della qualità delle immagini radiografiche di torace di cane e gatto mediante l’utilizzo di algoritmi di deep learning

L’utilizzo della radiologia in medicina veterinaria rappresenta un importante strumento di indagine diagnostica. In particolar modo, la radiografia toracica dei piccoli animali risulta di notevole importanza nelle indagini di prima linea, in situazioni di emergenza o di controllo pre-anestetico/operatorio dei pazienti. Nello studio presentato, è stato utilizzato un database di 2000 immagini radiografiche di torace di cane e di gatto, raccolte presso tre differenti strutture veterinarie. Lo scopo era quello di identificare con una prima valutazione manuale le radiografie che risultassero non utilizzabili ai fini diagnostici a causa di errori di posizionamento o esposizione ed associare a ciascuna di esse i relativi tag (rotated, neck extended, neck flexed, limbs, cut, blurred, overexposed, underexposed, foreign object) ,in modo da poter allenare l’algoritmo a riconoscere questi principali errori facilmente riscontrabili nella pratica comune. Sono state inoltre identificate le radiografie dei soggetti inferiori ai 6 mesi di età, utilizzando il tag puppy. Con il database aggiornato e tramite delle simulazioni, si potrà così valutare se l’algoritmo riuscirà a riconoscere autonomamente le radiografie che presentano difetti di posizionamento e/o di esposizione, in modo da poter essere utilizzato quindi dai veterinari come strumento di supporto alla valutazione diagnostica delle radiografie toraciche.