Sviluppo di sistemi di multiclassificazioni in immagini biomedicali digitali per la diagnosi assistita di patologie

Lo sviluppo di sistemi di multiclassificazioni trova applicazioni di notevole interesse sopratutto nella diagnosi assistita per il riconoscimento di patologie in immagini biomedicali. Questo progetto, che sfrutta le competenze maturate nel corso di precedenti ricerche, prevede l'applicazione di tali sistemi per la diagnostica di tumori al seno, al polmone e per la diagnostica di malattie autoimmuni. 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. 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. Per quanto riguarda il monitoraggio delle malattie autoimmmuni, negli ultimi anni il ruolo dei dati di laboratorio di analisi come supporto nella diagnosi è diventato sempre più rilevante. L’ImmunoFluorescenza Indiretta (IFI) rappresenta la tecnica di riferimento per la diagnosi di laboratorio delle patologie autoimmuni ed è a tutt’oggi la più usata per le indagini di I livello per le sue caratteristiche di sensibilità, specificità di reazione, riproducibilità e facilità di esecuzione. I tre ambiti sopra individuati rappresentano interessanti campi di applicazione per i sistemi CAD (Computer Aided Detection), i quali possono essere di supporto al medico se utilizzati come secondo lettore. La realizzazione del progetto si propone di fornire: • sistemi compatti per la digitalizzazione, archiviazione, visualizzazione e refertazione delle immagini • software per le diagnosi automatiche di alcune tipologie patologiche; • database per studi epidemiologici; Il progetto è articolato in: (1) assemblaggio di stazioni compatte per la digitalizzazione e archiviazione delle immagini biomediche; (2) digitalizzazione delle immagini e acquisizione diretta di quelle già in formato DICOM; (3) sviluppo del software con tecniche di intelligenza artificiale per la rivelazione automatica di alcune tipologie patologiche.

Gli obiettivi del progetto sono i seguenti: - ottimizzazione degli algoritmi di analisi di immagini mammografiche digitali; - sviluppo di algoritmi di analisi di immagini 3D ottenute da tomografie polmonari; - acquisizione di immagini da Immunofluorescenza indiretta e realizzazione di un database; - sviluppo di algoritmi per il riconoscimento di pattern autoanticorpali. CAD Mammografico Utilizzando l’esperienza acquisita precedentemente, il gruppo continua lo sviluppo e l’ottimizzazione di algoritmi adattativi, e specificatamente di Artificial Intelligence (AI), per l’individuazione di lesioni patologiche. Il nuovo standard di memorizzazione delle immagini, il formato DICOM, comporta la soluzione di una nuova serie di problemi legati ai processi di anonimizzazione dei dati, per le norme vigenti sulla privacy. Il gruppo intende affiancare alle tecniche già utilizzate e ben consolidate, quali le reti neurali artificiali, altre metodologie, sviluppando nuovi algoritmi per studiare le correlazioni tra il tessuto di “zone sane” e quello di “zone neoplasiche”. AGGIORNAMENTO: Sono stati sviluppati algoritmi per il confronto automatico dei mammogrammi dx e sx di uno stesso paziente e un nuovo filtro basato sulle FFT per l'individuazione di microcalcificazioni. 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. E' già stata sviluppata, in precedenti progetti, una tecnica per la delimitazione dell’area interna del polmone, utilizzando un algoritmo di accrescimento (region growing) di regioni che seleziona ed elimina tutto ciò che non è superficie polmonare. Sono già state acquisite circa 100 immagini di TAC a bassa dose in formato DICOM; su tali immagini saranno testati gli algoritmi che sono in fase di implementazione e saranno sviluppate tecniche adeguate alla gestione distribuita dei dati. AGGIORNAMENTO: è stato sviluppato un algoritmo basato sulla tecnica degli "snake" per l'individuazione di noduli polmonari. CAD immunologico L’ImmunoFluorescenza Indiretta risulta in grado di individuare la presenza di uno spettro molto ampio di autoanticorpi mediante l’utilizzo di appositi substrati come cellule in coltura (HEp-2) o sezioni di tessuto. Uno degli svantaggi di tale metodica è rappresentata dall’alto grado di soggettività nell’interpretazione dei risultati, estremamente eterogenei, poiché la stessa viene condizionata da numerosi fattori tra cui l’esperienza dell’operatore e il tipo di microscopio. L’introduzione di nuovi e moderni approcci basati su metodi di multiclassificazione automatica computerizzata, potranno, quindi, anche in questo campo, aiutare a definire correttamente i pattern autoanticorpali osservati, implementando così il supporto laboratoristico nella diagnostica delle patologie autoimmuni. Per quanto riguarda le immagini mammografiche si prevede di studiare nuovi metodi di segmentazione, per immagini in formato DICOM, da integrare negli algoritmi precedenti, e da testare in modalità parallela facendo uso di una sistema GRID appartenente alla V.O. TRIGRID, alla cui organizzazione il gruppo locale appartiene; questa facility consentirà un calcolo distribuito in tutti i nodi della griglia siciliana. Per la parte polmonare particolare enfasi sarà data allo sviluppo di algoritmi di riconoscimento 3D. Si prepareranno algoritmi di ricerca di noduli (in particolare pleurici e sub-pleurici) in CT polmonari, testando i diversi approcci su un ampio database, e scegliendo la combinazione ottimale da integrare nella stazione di analisi di CT polmonari. Per quanto riguarda il CAD per la diagnosi di malattie autoimmuni, si prevede, in una prima fase, l'acquisizione di un database di immagini digitali da microscopio con la tecnica della Immuno Fluorescenza Indiretta. A tal fine è stato stipulato una convenzione tra il DIFTER e l'U.