logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-04092018-121945


Tipo di tesi
Tesi di laurea magistrale
Autore
ZUMBO, LORENA MARIA
URN
etd-04092018-121945
Titolo
Sviluppo di un'architettura DCNN per la sintesi dell'informazione angiografica latente in imaging CT cardiaco
Dipartimento
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
INGEGNERIA BIOMEDICA
Relatori
relatore Prof. Landini, Luigi
relatore Ing. Della Latta, Daniele
relatore Ing. Santini, Gianmarco
relatore Ing. Martini, Nicola
controrelatore Dott. Chiappino, Dante
Parole chiave
  • deconvolutional neural network
  • deep learning
  • imaging CT cardiaco
  • mezzo di contrasto
Data inizio appello
03/05/2018
Consultabilità
Non consultabile
Data di rilascio
03/05/2088
Riassunto
Nella popolazione europea, il 20% delle scansioni tomografiche (CT) riguardano la zona toracica. L’attuale tecnologia permette di ricavare immagini cardiache ad alta qualità sulle quali effettuare valutazioni diagnostiche. Tuttavia, le minime variazioni in termini di radiopacità dei tessuti coinvolti non permettono la visualizzazione della morfologia dell’organo. La tecnica del contrast-enhancement computed tomography (CECT) prevede l’iniezione di un mezzo di contrasto che, aumentando l’attenuazione ai raggi X laddove è presente, permette l’identificazione delle camere e delle pareti cardiache rispetto alle regioni circostanti. La valutazione di tali strutture risulta importante per la diagnosi di cardiopatie e patologie valvolari.
L’obiettivo della tesi è stato quello di sintetizzare l’immagine cardiaca CECT partendo dall’informazione angiografica latente contenuta nell’immagine CT, in modo da rendere possibile l’estrazione del dato volumetrico relativo alle camere cardiache e, dunque, associare alle immagini senza mezzo di contrasto informazioni aggiuntive.
Per la realizzazione del lavoro sono stati sfruttati gli algoritmi di deep learning ed è stata implementata una rete neurale profonda di tipo deconvolutivo.
File