Analisi di immagini tomografiche ad alta risoluzione attraverso reti neurali convoluzionali per lo studio delle interstiziopatie polmonari

Buongiorno R., Colantonio S., Germanese D.

Image Processing  Convolutional Neural Network  Medical Imaging  Segmentation  Deep Learning  Artificial Intelligence 

Le interstiziopatie polmonari (Interstitial Lung Disease, ILD) sono patologie croniche che causano la cicatrizzazione del parenchima polmonare e dell'interstizio alveolare e la compromissione della funzionalità respiratoria. Dal momento che sono più di 200 le patologie raggruppate nella categoria delle ILD, una precisa identificazione è fondamentale per individuare la terapia migliore e formulare una prognosi. L'esame radiologico di riferimento è la tomografia computerizzata del torace ad alta risoluzione (High Resolution Computed Tomography, HRCT) e rappresenta un passaggio cruciale nel processo di diagnosi; nell'analizzare le immagini, infatti, il radiologo deve stabilire se vi è Usual Interstitial Pneumoniae (UIP), ovvero presenza di pattern istopatologici tipici della malattia, e valutarne l'estensione, correlata con la gravità delle alterazioni fisiologiche. Tuttavia, l'incidenza rara delle interstiziopatie fa sì che non tutti i radiologi abbiano un grado di esperienza adatto a individuare visivamente l'anomalia. Inoltre, la malattia si diffonde lungo tutti i polmoni e la segmentazione manuale risulta faticosa. Nel tentativo di rimediare alla variabilità intra- ed inter-osservatore, sono state sviluppate tecniche per il riconoscimento automatico dei pattern UIP; vi sono approcci basati sull'analisi dell'istogramma e della texture dell'immagine ma, dal momento che i classificatori sono stati addestrati su label definite da operatori clinici diversi, presentano comunque un bias che è causa di identificazioni errate, o mancate, dei pattern. Il deep learning, invece, si distingue dalle tecniche tradizionali perché fornisce strumenti che imparano autonomamente a classificare i dati. L'obiettivo del lavoro è stato, quindi, progettare e sviluppare la UIP-net, una rete neurale convoluzionale ad-hoc per la segmentazione automatica dei pattern UIP in immagini HRCT di pazienti con Fibrosi Idiopatica Polmonare (IPF), che è una sotto-categoria delle ILD.

Source: ISTI Technical Reports 007/2020, 2020, 2020

Metrics