Sviluppo di una procedura automatica per la fenestrazione personalizzata di stent in pazienti con aneurismi aortici addominali tramite reti neurali e algoritmi di machine learning

L’aneurisma aortico addominale è una patologia cronica potenzialmente letale che richiede un intervento chirurgico preciso e talvolta tempestivo. I chirurghi devono impiantare uno stent per ripristinare l’anatomia dell’aorta tramite chirurgia endovascolare senza occludere gli imbocchi delle arterie periferiche. Gli stent vanno quindi fenestrati in modo preciso e personalizzato in modo da mantenere il flusso sanguigno inalterato. Questo processo è al momento manuale e risulta oneroso in termini di tempo e risorse per i chirurghi, soprattutto in situazioni di emergenza. Lo scopo di questa tesi è automatizzare il processo di calcolo delle coordinate di origine di alcuni dei principali vasi periferici dell’aorta addominale necessarie per la personalizzazione protesica. Le immagini provenienti dal reparto di chirurgia vascolare dell’Ospedale di Padova sono state precedentemente segmentate manualmente. Una rete neurale U-net in grado di segmentare l’aorta e altre 4 diverse arterie periferiche (tripode celiaco, arteria mesenterica superiore, arterie renali destra e sinistra) è stata allenata ricevendo in input le immagini DICOM e le maschere precedentemente create. Infine, è stato creato un algoritmo Python in grado di trovare il punto di imbocco delle arterie periferiche, il punto centrale dell’aorta sulla stessa slice ed altri dati utili al chirurgo per poter fenestrare l’endograft.