REALIZZAZIONE DI UN SISTEMA CAD PER LO STUDIO DI PATOLOGIE MAMMARIE E POLMONARI

    Progetto: Research project

    Dettagli progetto

    Description

    Il tumore al seno e quello al polmone sono le forme di cancro più diffuse e le principali cause di mortalità in tutto il mondo. Si manifesta inizialmente come una singola e localizzata lesione, ma col tempo può diventare globale, diffusa a tutto l’organismo. La diagnosi precoce di queste forme di tumore rende possibile la riduzione della mortalità. Per quanto riguarda il tumore al seno la mammografia è il metodo clinico più efficiente per la diagnosi precoce del tumore, mentre la CT spirale a bassa dose è il metodo più efficiente per il tumore polmonare. La sensibilità e la specificità in un test aumentano se le immagini sono analizzate indipendentemente da due radiologi. I sistemi cad possono, pertanto, essere di supporto al medico se utilizzati come secondo lettore. La realizzazione del progetto offrirà : · un sistema compatto per la digitalizzazione, archiviazione, visualizzazione e refertazione delle immagini · un software per la diagnosi automatica di alcune tipologie di neoplasie ; · un ampio database per studi epidemiologici su base regionale e per confronti con analoghi database nazionali e internazionali; · un’utile strumento (database + software) didattico nel settore della senologia e in quello polmonare. Il progetto è articolato in: (1) assemblaggio di stazioni compatte per la digitalizzazione e archiviazione delle immagini mediche; (2) digitalizzazione delle immagini e acquisizione diretta, da quelle digitali formato DICOM, su base regionale; (3) sviluppo del software con tecniche di intelligenza artificiale per la diagnosi automatica di microcalcificazioni e lesioni infracliniche. Nello stato attuale della ricerca è stato creato il software di base, che comprende la digitalizzazione di lastre mammografiche analogiche, la loro archiviazione secondo un appropriato standard, che permette l’inserimento di dati di vario genere relativi al paziente, un programma di query che permette l’utilizzo dell’archivio per uso didattico. Tale archivio è costituito da più di 800 immagini mammografiche, relativi a circa 300 pazienti. Inoltre è stato sviluppato un software per l’individuazione delle lesioni massive nella mammella. Tale rivelazione presenta problematiche differenti dalle microcalcificazioni a causa delle caratteristiche delle lesioni stesse: la loro forma e dimensione è spesso irregolare, i contorni molto spesso sono mal definiti. Tale software, che fa uso di tecniche di intelligenza artificiale, elabora le informazioni che vengono estratte dalle zone individuate da un roi hunter (cercatore di zone di interesse). Per la parte polmonare è stata configurata una workstation presso l'ospedale che fornirà le immagini CT spirale, in grado di trasferire , anonimizzare e preprocessare i dati DICOM per la realizzazione di un archivio di immagini.

    Layman's description

    Gli obiettivi del progetto, descritti in dettaglio nei paragrafi successivi, sono quindi sostanzialmente i seguenti: - ottimizzazione degli algoritmi di analisi di immagini mammografiche digitali; - progettazione, realizzazione ed organizzazione di un database di immagini tomografiche polmonari; - sviluppo di algoritmi di analisi di immagini 3D ottenute da tomografie polmonari; CAD Mammografico Utilizzando l’esperienza acquisita precedentemente, il gruppo locale intende continuare lo sviluppo e l’ottimizzazione di algoritmi adattativi, e specificatamente di Artificial Intelligence (AI), per l’individuazione di lesioni massive, al fine di migliorare le prestazioni in termini di sensibilità e specificità. Infatti, è importante sottolineare, che la percentuale di falsi negativi, anche se piccola, su larga scala e da un punto di vista sociale, rappresenta un costo per la collettività, trattandosi di soggetti malati a cui non viene diagnosticata in tempo la patologia. D’altra parte, anche il problema dei falsi positivi può diventare rilevante, in quanto non solo produce inutili allarmismi in una popolazione sana, ma comporta spese e problemi organizzativi notevoli per l’effettuazione di inutili approfondimenti diagnostici. In questo contesto la disponibilità di una infrastruttura che può gestire un database distribuito apre nuove prospettive: infatti, un veloce ampliamento del database permette di educare meglio una rete neurale e di ottimizzarne il funzionamento. La strategia che il gruppo intende perseguire è dunque quella di affiancare alle tecniche già utilizzate e ben consolidate, quali le reti neurali artificiali, altre metodologie. L’attività futura relativa all’approccio già utilizzato riguarderà lo sviluppo di nuovi algoritmi per studiare le correlazioni tra il tessuto di “zone sane” e quello di “zone neoplasiche”. Saranno inoltre implementati speciali algoritmi per la rivelazione di lesioni aventi strutture asimmetriche, facendo uso di trasformate wavelets ed FFT, e di analisi delle asimmetrie dei contorni. CAD polmonare Lo scopo di questa parte del progetto è la realizzazione di un sistema software di supporto alla diagnosi oncologica in screening della neoplasia polmonare. Le tecniche di AI possono tenere conto, come è stato dimostrato in mammografia, delle sottili variazioni di forma e profilo della lesione, della sua densità, dell'omogeneità strutturale, della presenza e del carattere delle eventuali calcificazioni, nonché della sua localizzazione all'interno delle strutture normali del polmone. L’attività consisterà inizialmente nella raccolta delle immagini digitali in formato DICOM prodotte dagli Ospedali collaboranti, nella progettazione del relativo database e nella collaborazione con i radiologi per l’individuazione degli strumenti utili per l’analisi delle immagini. Verranno poi studiati algoritmi di pre-processing e, per l'analisi, reti neurali e metodi statistici. 2.2 Metodologie Si prevede di studiare nuovi metodi di segmentazione, da integrare negli algoritmi precedenti, in modo da potere utilizzare i singoli moduli più efficaci o più moduli in parallelo, effettuando test comparativi. Particolare enfasi sarà data allo sviluppo di algoritmi di riconoscimento 3D. Dalle ROI estratte saranno estratte le features opportune che potranno essere performanti al fine della separazione delle due classi: sani e malati. In particolare saranno definite opportune regole di validazione per i risultati delle classificazioni, utili ai fini del confronto tra i vari sistemi di classificazione. Si prevede, per le ROI estratte, di utilizzare matrici di co-occorrenza, definendo una serie di paramentri che caratterizzano la tessitura dell'immagine. Nella CT polmonare si prevede di sviluppare opportuni filtri di pre-processing. Sono previste attività per l’identificazione della struttur
    StatoAttivo
    Data di inizio/fine effettiva1/1/04 → …

    Fingerprint

    Esplora i temi di ricerca toccati da questo progetto. Queste etichette sono generate sulla base dei riconoscimenti/sovvenzioni sottostanti. Insieme formano una fingerprint unica.