Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Ingegnerizzazione ed implementazione di un algoritmo completamente automatico per l'analisi della parete carotidea

L'introduzione di tecniche di advanced imaging, in medicina, è stata una grossa conquista dal punto di vista diagnostico poiché consente, ancora tutt'oggi, un riscontro visivo immediato di eventuali patologie presenti in un soggetto, quindi una maggiore precisione, efficacia e tempestività sull'individuazione di cure e trattamenti. Seppur questa procedura di valutazione, ad un primo sguardo, possa sembrare semplice, immediata e scontata, in realtà
può rivelarsi esattamente l'opposto.
Per un medico, la storia di un paziente è un dato rilevante (anche se non cruciale) e spesso utile per il confronto di più informazioni: questo comportamento è atto per rendersi conto dell'evoluzione e dello stato della malattia di cui la persona in cura può essere soggetta. Chiaramente, più la mole delle informazioni è grossa, più sarà estremamente lunga, complicata e, quindi, laboriosa la formulazione di un giudizio preciso ed accurato. Se ci si trovasse nel caso in cui il corpo del database sia rappresentato per la sua maggioranza
da una vasta raccolta di immagini sulle quali, ad esempio, si dovranno eseguire ben precise operazioni, si può facilmente comprendere che il costo dell'intero iter risulterà tremendamente oneroso, sia dal punto di vista della comodità che della tempistica.
Se solo per un momento si esulasse da un contesto prettamente clinico per concentrarsi su uno più ingegneristico, la velocizzazione, la minimizzazione dei costi delle operazioni e la loro gestione non è cosa da poco poiché la quantità, la qualità e la rapidità di reperibilità delle informazioni raccolte giocano un ruolo fondamentale.
Per tutti questi motivi, si è pensato di realizzare una procedura completamente automatica che permettesse una diagnosi più veloce e facilitatadella zona di interesse voluta: in questo caso, l'attenzione è stata focalizzata sull'individuazione ed il calcolo dello spessore del tratto intimo-medio del3 la parete carotidea (IMT - Intima-Media Thickness) presa da un'immagine
DICOM.
Per realizzare tale funzione, il lavoro si è avvalso del CULEX ( Completely User-Independent Layer Extraction), un algoritmo già testato e collaudato che rende automatico la ricerca prima del ROI (Region Of Interest) e poi delle pareti arteriose della tonaca intima e di quella media (confinate all'interno del ROI stesso): da qui, poi, si ricaverà il valore di IMT (precedentemente citato).
Per poter realizzare il suddetto algoritmo si è usato un set di librerie quali ITK (Insight Toolkit), nato come supporto a scopi prettamente clinici come il medical imaging e la segmentazione.
Insieme a tali librerie, si ha pensato anche alla realizzazione di un'interfaccia grafica con l'operatore, mediante l'uso di un sistema di finestre costituito e creato secondo l'impiego di un toolkit ad hoc: FLTK (Fast Light Toolkit).
Dai risultati ottenuti, si evince che la funzione implementata con l'algoritmo CULEX agisce molto bene su immagini regolari, cioé con arterie non affette da placche aterosclerotiche o da rumori di fondo di varia natura (come quelli di un backscattering troppo forte da parte dei tessuti ultrasonograf camente scansiti oppure come quelli derivanti dalla strumentazione usata per la visita).

Mostra/Nascondi contenuto.
PREFAZIONE L'introduzione di tecniche di advanced imaging, in medicina, è stata una grossa conquista dal punto di vista diagnostico poiché consente, ancora tut- t'oggi, un riscontro visivo immediato di eventuali patologie presenti in un soggetto, quindi una maggiore precisione, efficacia e tempestività sull'indi- viduazione di cure e trattamenti. Seppur questa procedura di valutazione, ad un primo sguardo, possa sembrare semplice, immediata e scontata, in realtà può rivelarsi esattamente l'opposto. Per un medico, la storia di un paziente è un dato rilevante (anche se non cruciale) e spesso utile per il confronto di più informazioni: questo compor- tamento è atto per rendersi conto dell'evoluzione e dello stato della malattia di cui la persona in cura può essere soggetta. Chiaramente, più la mole delle informazioni è grossa, più sarà estremamente lunga, complicata e, quindi, laboriosa la formulazione di un giudizio preciso ed accurato. Se ci si trovasse nel caso in cui il corpo del database sia rappresentato per la sua maggioran- za da una vasta raccolta di immagini sulle quali, ad esempio, si dovranno eseguire ben precise operazioni, si può facilmente comprendere che il costo dell'intero iter risulterà tremendamente oneroso, sia dal punto di vista della comodità che della tempistica. Se solo per un momento si esulasse da un contesto prettamente clinico per concentrarsi su uno più ingegneristico, la velocizzazione, la minimizzazione dei costi delle operazioni e la loro gestione non è cosa da poco poiché la quantità, la qualità e la rapidità di reperibilità delle informazioni rac- colte giocano un ruolo fondamentale.

Laurea liv.II (specialistica)

Facoltà: Ingegneria

Autore: Stefano Bernardi Contatta »

Composta da 80 pagine.

 

Questa tesi ha raggiunto 266 click dal 28/09/2009.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.