ETD

• cad
• mil
• PCCT

Il lavoro di tesi si concentra sull’applicazione di tecniche di **Deep Learning** e **Multiple Instance Learning (MIL)** all’analisi di immagini coronariche acquisite mediante **Photon Counting CT** nell’ambito del progetto ACTA. L’obiettivo principale è sviluppare una pipeline in grado di analizzare automaticamente i tratti delle arterie coronarie e supportare la classificazione di informazioni clinicamente rilevanti, come la presenza di stenosi e la caratterizzazione della placca aterosclerotica.

Poiché le immagini CT sono volumi tridimensionali di grandi dimensioni e comprendono molte strutture anatomiche oltre alle coronarie, il lavoro prevede una fase iniziale di preprocessing e segmentazione del lume coronarico. A partire dalle centerline dei vasi vengono individuati i diversi tratti coronarici e, attorno a essi, vengono estratte patch cubiche tridimensionali. Nel paradigma MIL, ogni tratto coronarico viene considerato come **il bag**, mentre le patch estratte lungo la centerline rappresentano le istanze del bag. La label clinica è disponibile a livello di tratto, e non per ogni singola patch, rendendo il MIL particolarmente adatto a questo tipo di problema.

Prima dell’applicazione alle immagini mediche, sono stati condotti esperimenti preliminari su dataset MNIST-Bags, utili per verificare il funzionamento dei modelli MIL in un contesto controllato. Successivamente, il metodo è stato esteso ai dati coronarici 3D, utilizzando architetture basate su CNN 3D e modelli pre-addestrati come MedicalNet. Sono stati confrontati diversi meccanismi di aggregazione, in particolare **max pooling** e **attention pooling**, con l’obiettivo di valutare quale strategia sia più efficace nel combinare le informazioni provenienti dalle diverse patch di uno stesso tratto coronarico.

Nel complesso, la tesi propone quindi una metodologia per passare dal volume CT completo a una rappresentazione strutturata dei tratti coronarici, integrando preprocessing, costruzione dei bag, addestramento di modelli MIL e valutazione delle prestazioni nella classificazione di stenosi e placche