• segmentazione
• CAD
• tac
• rfcm
• rete
• neurale
• fuzzy

Il tumore, specialmente quello al polmone, è una tra le principali cause di morte per neoplasia nel mondo; tale mortalità è imputabile al ritardo con cui si manifestano i sintomi, i quali non sono riscontrabili finché il tumore non ha raggiunto uno stadio avanzato. Una cura tempestiva riduce drasticamente la mortalità legata a tale malattia, ma affinché ciò sia possibile è necessario che il tumore venga diagnosticato ai primi stadi.
Negli ultimi anni le TAC sono state il principale strumento per la rilevazione dei tumori, ma tale analisi prevede che il radiologo esamini una grande quantità di immagini.
Per i radiologi tale lavoro risulta estremamente ripetitivo, gravoso e con la possibilità che si verifichino delle sviste.
Buoni risultati sono stati raggiunti nell'analisi delle radiografie e delle mammografie fornendo i radiologi di sistemi CAD (Computer-Aided-Diagnosis) con i quali è possibile esaminare le varie immagini ed avere una "seconda opinione" come se l'analisi fosse stata svolta da più medici.
Quello che è stato realizzato in questa tesi è un sistema CAD per la rilevazione di noduli da tomografie assiali computerizzate del polmone.
Il sistema CAD realizzato è costituito da due componenti: la prima orientata all'estrazione di zone del polmone sospette ed al calcolo delle relative caratteristiche per mezzo di tecniche di elaborazione delle immagini. La seconda è costituita da un sistema neuro-fuzzy il quale, ricevute in ingresso le zone sospette con le rispettive caratteristiche, precedentemente estratte, effettua la classificazione delle stesse evidenziando quelle zone che il sistema ritiene essere noduli.
Il lavoro svolto in questa tesi ha portato alla realizzazione di 5 applicativi software.
Il primo applicativo è finalizzato all'elaborazione delle immagini e l'estrazione delle regioni d'interesse bidimensionali con le relative caratteristiche; ed è disponibile in due versioni diversificate in base alla tipologia di immagini ricevute in ingresso. Il secondo applicativo è costituito da un sistema neuro-fuzzy per la classificazione delle regioni d'interesse bidimensionali. Il terzo è finalizzato all'elaborazione grafica delle regioni d'interesse bidimensionali classificate permettendo la realizzazione di slice modificate con le ROI classificate noduli evidenziate. Questi primi tre applicativi costituiscono il sistema CAD per l'analisi bidimensionale.
Il quarto applicativo è finalizzato all'elaborazione delle immagini e l'estrazione delle regioni d'interesse tridimensionali con le relative caratteristiche; anche esso è disponibile in due versioni diversificate in base alla tipologia di immagini ricevute in ingresso. Il quinto, in fine, è costituito da un sistema neuro-fuzzy per la classificazione delle regioni d'interesse tridimensionali. Questi ultimi due applicativi costituiscono il sistema CAD per l'analisi tridimensionale.
Il sistema CAD per l'analisi bidimensionale realizzato è stato testato su un piccolo numero di slice per fornire una stima qualitativa dei risultati prodotti. Il test ha evidenziato che il sistema applicato ad immagini della regione polmonare, elaborate tramite tecniche di conversione basate su un valore di soglia, fornisce una precisione di rilevazione dei noduli del 100% con un'incidenza di falsi positivi del 79%. Il sistema applicato, invece, ad immagini della regione polmonare, elaborate con algoritmo di segmentazione RFCM, fornisce una precisione di rilevazione dei noduli del 100% con un'incidenza di falsi positivi del 26%. Il miglioramento dell'incidenza di falsi positivi nel secondo caso è imputabile alla capacità dell'algoritmo RFCM di rilevare ROI più compatte, in quanto effettua le elaborazioni operando sul volume delle singole ROI.
Dal confronto emerge che il sistema 2D presenta già buoni risultati nella rilevazione dei noduli, malgrado un eccessivo numero di falsi positivi. Tale numero è fortemente dovuto alle tecniche di estrazione delle regioni d'interesse, ma può essere migliorato anche eseguendo l'analisi di regioni d'interesse tridimensionali, anziché bidimensionali.
Il sistema CAD per l'analisi bidimensionale è stato modificato per consentire un'analisi tridimensionale delle immagini TAC. Il sistema 3D è stato testato su un buon numero di casi con immagini della regione polmonare elaborate tramite tecniche di conversione basate su un valore di soglia; e su un piccolo numero di casi con immagini della regione polmonare elaborate con algoritmo di segmentazione RFCM. Il test ha evidenziato che il sistema, applicato alla prima versione, fornisce una precisione di rilevazione dei noduli del 98.7% con un'incidenza di falsi positivi del 64%; applicato alla seconda versione, fornisce una precisione di rilevazione dei noduli del 100% con un'incidenza di falsi positivi del 2.4%. Anche in questo caso il miglioramento in termini di incidenza del numero di falsi positivi è riconducibile alla capacità dell'algoritmo RFCM di rilevare ROI più compatte.
Confrontando i risultati ottenuti dalla prima versione di questo sistema con quelli ottenuti da altri sistemi emerge che il sistema realizzato fornisce buoni risultati in termini di precisione nella rilevazione dei noduli. A sfavore il sistema realizzato presenta un alto numero di falsi positivi.
Confrontando i risultati ottenuti dalla seconda versione di questo sistema con quelli ottenuti da altri sistemi emerge che il sistema realizzato fornisce buoni risultati sia in termini di precisione nella rilevazione dei noduli, che di incidenza dei falsi positivi. Purtroppo tale test è stato eseguito su un numero troppo limitato di casi per poter considerare i risultati ottenuti come definitivi, ma ugualmente significativi per dimostrare le buone potenzialità di questo sistema.
Quello che emerge dai vari test è che a fronte di una precisione di rilevazione dei noduli molto buona è comunque necessario migliorare la tecnica di rilevazione delle regioni da sottoporre alla classificazione per ridurre l'incidenza dei falsi positivi; ciò può essere reso possibile, negli sviluppi futuri del sistema, attraverso l'assunzione di strategie di elaborazione delle immagini diverse.