Identificazione automatica delle posizioni dei vasi periferici tramite tecniche di segmentazione automatica

The aim of this thesis is to automate the segmentation of peripheral vessels of the abdominal aorta from angio-CT images. The work falls within the field of medical image processing and leverages deep learning techniques to reduce the manual workload required by traditional methods. In particular, a CIS-UNet model was implemented and trained. The dataset used includes CT scans provided by the Hospital of Padua, which were manually segmented and annotated for training and evaluation purposes. The manual segmentation of the images was entirely performed by the students as part of this thesis project, and used for training and validation of the model.

L’obiettivo di questa tesi è l'automatizzazione della segmentazione dei vasi periferici dell'aorta addominale a partire da immagini angio-TC. Il lavoro si inserisce nell’ambito dell’elaborazione di immagini mediche e sfrutta tecniche di deep learning per ridurre il carico manuale richiesto dai metodi tradizionali. In particolare, è stato implementato e addestrato un modello CIS-UNet, una rete neurale convoluzionale progettata per la segmentazione. Il dataset utilizzato comprende scansioni TC messe a disposizione dall'Ospedale di Padova, successivamente segmentate e annotate manualmente per l’addestramento e la valutazione del modello. la segmentazione manuale delle immagini è stata interamente realizzata dagli studenti nell’ambito di questa tesi, ed è servita per l’addestramento e la validazione del modello.