Tesi etd-05232023-111009 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale LM6
Autore
CAPPELLI, SIMONE
URN
etd-05232023-111009
Titolo
Quantizzazione ecografica multi-parametrica del grasso epatico mediante un algoritmo di intelligenza artificiale
Dipartimento
RICERCA TRASLAZIONALE E DELLE NUOVE TECNOLOGIE IN MEDICINA E CHIRURGIA
Corso di studi
MEDICINA E CHIRURGIA
Relatori
relatore Prof. Taddei, Stefano
correlatore Prof.ssa Brunetto, Maurizia Rossana
correlatore Dott. Salvati, Antonio
correlatore Prof.ssa Brunetto, Maurizia Rossana
correlatore Dott. Salvati, Antonio
Parole chiave
- Artificial intelligence
- ecografia
- Fegato
- Hepatic Steatosis
- intelligenza artificiale
- Liver
- metabolism
- metabolismo
- NAFLD
- Steatosi epatica
- ultrasound
Data inizio appello
13/06/2023
Consultabilità
Non consultabile
Data di rilascio
13/06/2093
Riassunto
La Non Alcoholic Fatty Liver Disease (NAFLD), caratterizzata da infiltrazione grassa del fegato in assenza di un'altra causa definita di steatosi, è la più frequente causa di epatopatia cronica del mondo occidentale. La misurazione quantitativa, accurata, rapida e riproducibile del grasso epatico è un bisogno ancora non soddisfatto della pratica clinica. Gli attuali metodi di quantificazione del grasso epatico risultano costosi, invasivi, poco disponibili o scarsamente accurati nello stratificare il grado di steatosi dei pazienti. Qui mostriamo come una metodica ecografica quantitativa multi-parametrica addestrata tramite un algoritmo di intelligenza artificiale sia in grado di riprodurre accuratamente la misura del grasso epatico effettuata con la risonanza magnetica con proton density fat fraction quale metodica gold standard. Inoltre, questa metodica risulta superiore in una coorte esterna di validazione alla tecnica di Continous Attenuation Parameter attualmente utilizzata nella pratica clinica.
File
Nome file | Dimensione |
---|---|
Tesi non consultabile. |