Applicazione di reti neurali profonde per il miglioramento di immagini ecografiche

Abstract

L’ultrasonografia in campo biomedico rappresenta una metodologia rilevante, per efficacia diagnostica, non invasività, versatilità e costi. E’ una tecnica in evoluzione con un mercato molto competitivo. La ricerca è rivolta al miglioramento della qualità diagnostica di questo strumento attraverso la realizzazione di metodi per l’elaborazione delle immagini. Un’applicazione di approcci tipici dell’intelligenza artificiale (IA) che promettono di superare alcuni limiti degli approcci convenzionali per la riduzione di artefatti, quali la non semplice ottimizzazione dei parametri dei filtri e la non generalizzabilità all’elaborazione di immagini di diversi distretti corporei o con diverse sonde.
Il progetto Neur-Eco si propone di sviluppare un approccio integrato che permetta di valutare comparativamente approcci classici e approcci basati su reti neurali profonde al fine del miglioramento della qualità delle immagini ecografiche.
Un obiettivo del progetto sarà quello di realizzare un filtro basato su reti neurali di tipo convolutivo in grado di supportare l’analisi dell’immagine in modo diverso a seconda del distretto anatomico ispezionato. Una struttura capace di adattarsi alla specificità dei dati in ingresso, quale una basata su metodiche di IA, ha la potenzialità di ottenere un processing ottimale al variare dell’input scelto e generalizzabile a diversi livelli di rumore. A tale scopo, dovranno essere identificate le immagini più idonee per l’addestramento, anche tramite simulazioni e l’ottimizzazione di tecniche convenzionali di elaborazione.
Un altro obiettivo riguarda lo sviluppo di reti di tipo innovativo che possano integrare le conoscenze a priori sulle caratteristiche delle strutture di interesse e del rumore. Tale approccio, che attualmente è implementabile in reti che fanno uso delle wavelet frames, è un promettente strumento per l’analisi multi-risoluzione delle immagini, e rappresenta inoltre un cambio di paradigma rilevante. Infatti, le reti sviluppate in questo modo non vengono più viste come modelli a scatola nera, ma possano essere meglio caratterizzati e progettati in modo più efficiente. Le metodologie sviluppate in Neur-Eco sono altamente innovative, destinate a svilupparsi e integrarsi nei sistemi di imaging.
Il progetto rappresenterà un momento significativo di collaborazione e trasferimento tecnologico tra università e azienda che potrà avere ricadute sul livello di occupazione della Regione.