• comete
• linee B
• reti neurali
• ULC
• ultrasuoni

Il presente lavoro di tesi è finalizzato all’identificazione e la validazione di una
nuova metodologia operatore-indipendente di analisi del segnale ultrasonico per
il riconoscimento individuale di acqua nei polmoni e di fibrosi. Il sistema
consiste di una strategia di pre-processing e di una metodologia di processing
del segnale basata su modelli auto-organizzanti di conoscenza (Knowledge-
Based Models, KBM) al fine di selezionare e classificare features significative da
B-lines da imaging ultrasonico polmonare. KBM sono stati implementati sulla
base di algoritmi di pattern recognition finalizzati al riconoscimento del livello
di acqua polmonare ed dell’origine cardiogena o pneumogena. La possibilità di
distinguere infiammazione da fibrosi nei polmoni è un aspetto critico in diverse
condizioni. La classificazione individuale e automatica di acqua e fibrosi nei
polmoni attraverso un sistema di pattern recognition operatore-indipendente
che agisca direttamente da imaging ultrasonico potrebbe migliorare e
promuovere la prevenzione ed il processo di cure di persone a rischio.
A seguito di un’opportuna validazione clinica, le metodologie sviluppate ed
applicate in questo lavoro di tesi potranno essere sfruttate dall’industria
biomedicale grazie al solido know-how delle tecnologie che sfruttano ultrasuoni
e degli algoritmi che integrano gli studi clinici e i risultati, in modo da realizzare
uno strumento adatto alla diagnosi ed al monitoraggio.
La prossima sfida è quella di stabilire la diagnosi mediante l’utilizzo di un
semplice microsistema ad ultrasuoni che in modalità automatica sia in grado di
differenziare e quantificare la presenza di acqua da B-lines fibrotiche sulla base
di tecniche di riconoscimento di pattern ultrasonici elementari.
Per ciò che concerne l’impatto sulla salute pubblica, queste tecniche hanno il
potenziale di ridurre i costi e di migliorare la qualità dei servizi per la cura della
salute. La classificazione automatica in tempo reale di B-lines cardiogene e
pneumogene da imaging ecografico potrà consentire in scenari di pervasive
healthcare il monitoraggio remoto di pazienti in maniera più efficiente,
trasmettendo in tempo utile informazioni cliniche rilevanti ed avvisi.

The purpose of this thesis is to identify and validate a novel operatorindependent
methodology to analyze the ultrasonic signal for individual
assessment of water in lungs and fibrosis. The system consists of a strategy of
pre-processing and a method of signal processing based on self-organizing
models of knowledge (Knowledge-Based Models, KBM) to select and classify
significant features from B-lines of ultrasound pulmonary imaging. KBM has
been based on pattern recognition algorithms designed to recognize the water
level and differentiate its nature.
The ability to distinguish inflammation from fibrosis in the lungs is a critical
aspect in different conditions. The individual and automatic classification of
water and fibrosis in the lungs through an operator-independent system of
pattern recognition working directly on ultrasound signals could improve and
promote the prevention and treatment process of people at risk.
Following appropriate clinical validation, biomedical industry could exploit the
methodologies developed and applied in this thesis.
The next challenge is to assess a diagnosis using a simple micro ultrasonic
machine system able to differentiate and quantify the presence of water B-lines
and fibrosis B-lines exploiting recognition techniques of simple ultrasonic
patterns.
This work could reach a strong impact on public health, as these techniques
could have the power to reduce costs and improve quality of services for health
care.
The real-time automatic classification of B-lines ultrasound imaging may allow
scenarios of pervasive healthcare through the chance to remotely supervise
patients, transmitting in a short time important clinical information and alerts.