Sviluppo di un algoritmo per la segmentazione e la stima di indici clinici utili alla diagnosi del melanoma da fotogrammetria

Il melanoma è un tumore maligno caratterizzato dal più alto tasso di mortalità tra i tumori della pelle; di conseguenza, una diagnosi precoce è essenziale per massimizzare il tasso di sopravvivenza. Inoltre, il costante aumento dell’incidenza del melanoma evidenzia la necessità urgente di misure di controllo. Ad oggi, la procedura più utilizzata per la diagnosi del melanoma si basa sull’ispezione, da parte del dermatologo, di ogni lesione presente sulla pelle del paziente attraverso l’utilizzo di uno strumento non invasivo: il dermatoscopio. Le lesioni ritenute sospette vengono asportate tramite biopsia e poi vengono sottoposte ad un esame istologico per verificane la benignità o la malignità. La diagnosi del melanoma attraverso l’esame clinico combinato con dermatoscopia è condizionata dall’esperienza del medico con una sensibilità che oscilla tra il 50% e l’85%. Un ulteriore problema è legato alla durata di ispezione di ogni lesione che può risultare prolungata se la superficie cutanea del paziente presenta numerose lesioni. Da queste premesse, nasce l’idea di sviluppare un metodo di riconoscimento automatico innovativo basato su fotogrammetria che permetta di aiutare il medico in una prima individuazione dei nei potenzialmente sospetti. In questo lavoro di tesi, dopo l’acquisizione delle immagini del dorso dei pazienti attraverso il dispositivo medico basato su fotogrammetria presente allo IOV (Istituto Oncologico Veneto) di Padova, è stato sviluppato un algoritmo che ha come obiettivo la pre-elaborazione delle immagini, la segmentazione e l’estrazione di indici clinici (disomogeneità del colore, irregolarità del bordo e asimmetria della lesione) necessari per la successiva classificazione della lesione.