Applicazione di tecniche di deep learning per la segmentazione di cellule dendritiche corneali

The corneal confocal microscopy (CCM) is a non invasive imaging modality that gives a direct, in vivo and a real-time visualization of the physiological state presents, if healty or diseased. In particular, is possibile to observe, at sub-basal nerve plexus level, the presence of dendritic cells (DCs): their different conditions of numerosity and morfology allow to diagnose pathologies like dry-eye, diabetic neuropathy, fungal keratitis, etc. As time goes by, the application of artificial intelligence for doing diagnosis has been proposed as a methodology for overcome the subjective and time-consuming analysis conducted by the physician. In this thesis has been implemented a Deep Learning algorithm for the automatic segmentation of corneal dendritic cells, using an U-net convolutional neural network (CNN) made by a coding and a decoding pathway. The developed algorithm allows to individualize dendritic cells with a True Positive Rate of 80.7 % and a False Discovery Rate of 21 %. This results show the possibility of automatically individualize dendritic cells and encourage a further development of the proposed algorithm.

La microscopia confocale corneale (CCM) è una modalità di imaging non invasiva in grado di fornire una visualizzazione diretta, in vivo ed in tempo reale dello stato fisiologico presente, se sano o malato. In particolare, è possibile osservare, a livello del plesso nervoso sub-basale, la presenza di cellule dendritiche (DCs): le loro differenti condizioni di numerosità e morfologia consentono di diagnosticare patologie quali occhio secco, neuropatia diabetica, cheratiti fungine, ecc. L’applicazione dell’intelligenza artificiale per effettuare diagnosi si è nel tempo proposta come una metodologia per superare il dispendio temporale e la soggettività dovuti all’analisi condotta dal medico. In questa tesi è stato implementato un algoritmo di Deep Learning per la segmentazione automatica delle cellule dendritiche corneali, facendo uso di un network neurale convoluzionale (CNN) di tipo U-Net costituito da un percorso di codifica e da uno di decodifica. L'algoritmo sviluppato consente di individuare le cellule dendritiche con un True Positive Rate dell'80.7 % ed un False Discovery Rate del 21 %. Questi risultati dimostrano la possibilità di individuare in automatico le cellule dendritiche ed incoraggiano l'ulteriore sviluppo dell'algoritmo proposto.