Durante l'ultimo decennio c'è stato un crescente utilizzo, da parte di strutture cliniche e ospedaliere, di macchinari per la produzione e l'archiviazione di immagini digitali; ciò motiva il notevole interesse verso lo sviluppo di metodi per l'analisi automatica di immagini che siano di ausilio al medico in fase di diagnosi.
Sulla base della conoscenza acquisita durante ricerche in tale ambito (TMI2006), abbiamo sviluppato un sistema automatico per l'analisi di volumi addominali digitali ottenuti da tomografia assiale computerizzata (TAC);tale metodo ha lo scopo di segmentare e visualizzare il volume tridimensionale del fegato.La segmentazione permette di stimare il volume del fegato, informazione necessaria in caso di donazione d'organo da donatore vivente a ricevente vivente, mentre la visualizzazione 3D facilita il compito di pianificazione chirurgica.
Il sistema sviluppato, sperimentato sui volumi di cento pazienti forniti da due ospedali milanesi, ottiene dei risultati promettenti:la stima dell'errore commesso è comparabile alle variabilità interpersonale e intrapersonale.
Obiettivo principale della ricerca è la sperimentazione di tecniche di elaborazione delle immagini che aumentino ulteriormente l'affidabilità del metodo, rendendolo ancora più robusto a variazioni e artefatti dovuti al sistema di acquisizione.
Il passo successivo prevede la segmentazione della struttura vascolare epatica, e quindi la suddivisione del fegato in territori vascolari principali, ovvero nelle porzioni di tessuto irrorate dalle ramificazioni principali della vena porta; tale informazione è necessaria in caso di resezione del fegato.
Un ulteriore obiettivo è l'analisi automatica del tessuto epatico segmentato in modo da individuare e riconoscere eventuali patologie.A tal fine verranno sperimentati diversi algoritmi di apprendimento.In particolare, si investigheranno algoritmi lineari sequenziali per l'apprendimento multiclasse.Al fine di sfruttare le caratteristiche di bassa dimensionalità intrinseca dell'immagine, si sperimenteranno inoltre tecniche di selezione di attributi basati su sparsificazione e proiezioni casuali.
Ci proponiamo inoltre di estendere il sistema sviluppando algoritmi per la segmentazione degli organi e delle strutture ossee presenti nell'addome (i.e.:milza, parte del cuore, reni, colonna vertebrale e costole); ciò permette di ottenere una visualizzazione 3D dell'immagine addominale, completa di tutte le informazioni. Risultati promettenti, riguardanti questo ultimo obiettivo di ricerca, sono già stati ottenuti e pubblicati.
Ci proponiamo infine di costruire una base di dati pubblica che sia fruibile a scopo di didattica e ricerca;essa permetterebbe la comparazione oggettiva dei risultati ottenuti da sistemi diversi.
Verrà anche analizzata la possibilità di implementare gli algoritmi sviluppati su architetture dedicate; a tal fine verranno implementati modelli neuronali su hardware dedicato, come i dispositivi programmabili FPGA