Applicazione di reti neurali per la segmentazione di organi molli in immagini biomediche

Le immagini biomediche sono uno strumento di grande importanza nella diagnosi. Negli ultimi decenni la ricerca e la tecnologia hanno apportato importati innovazioni nella strumentazione clinica, sia nel caso di esami strumentali di risonanze magnetiche (MRI), sia nel caso di tomografie computerizzate (CT), consentendo un miglioramento di risoluzione delle immagini biomediche e implementando nuove sequenze di acquisizione ad hoc per il quesito clinico. Tali migliorie hanno portato ad avere immagini più pesanti, formate da slices (o “fette”) più fitte, da cui la necessità di sviluppare algoritmi per automatizzare l’analisi di una tale mode di dati e guidare la diagnosi. A tale scopo sembra promettente l’utilizzo di algoritmi di intelligenza artificiale di reti neurali, con particolare riferimento alle reti convoluzionali (CNN). In questa tesi verranno presentate tecniche applicative delle CNN per l’analisi di organi molli in MRI e CT. In particolare, i tipi di analisi studiati sono la segmentazione degli organi e la determinazione della linea centrale negli organi tubulari (intestino tenue e vasi sanguigni).