• dati biomedici volumetrici
• deep learning
• GAN

L’imaging rappresenta un elemento di estrema importanza per qualunque azienda ospedaliera, dalla diagnostica alla pianificazione pre-operatoria la maggior parte dei reparti dipende dalla radiologia; ciò, ovviamente, incide in maniera importante sul bilancio ospedaliero.
Concentrandosi in particolare su Tomografia Computerizzata (Computed tomography,CT) e Risonanza Magnetica (Magnetic resonance imaging,MRI) due delle tecniche più utilizzate, è possibile appurare che le acquisizioni CT siano più economiche rispetto alle MRI per i bilanci ospedalieri; questo comporta una preferenza, almeno in prima battuta, delle tecniche CT. Va considerato che le immagini MRI sono in grado di fornire molte più informazioni delle CT, in particolare per i tessuti molli e limitarne l’uso significa rinunciare a questi dati indispensabili per molte diagnosi.
In questo lavoro, si studia la possibilità di utilizzare tecniche di Deep Learning per generare dati di risonanza magnetica altamente verosimili partendo da volumi CT effettuando una vera e propria trasformazione di dominio dei dati di partenza.