Trojani, Valeria
 
(2017)
Segmentazione automatica mediante atlanti anatomici in radioterapia: automazione e performance.
[Laurea magistrale], Università di Bologna, Corso di Studio in 
Fisica [LM-DM270]
   
  
  
        
        
	
  
  
  
  
  
  
  
    
  
    
      Documenti full-text disponibili:
      
    
  
  
    
      Abstract
      Nella pianificazione di trattamenti in ambito radioterapico, la delineazione degli organi a rischio (OAR) è essenziale. Solitamente, il medico radioterapista esegue la segmentazione delle strutture degli OAR manualmente, con alti costi a livello di tempistiche. Perciò, la ricerca si è focalizzata sullo sviluppo e l’integrazione di algoritmi di segmentazione automatica nella pratica clinica.
In questo lavoro di tesi, svolto presso il Policlinico di Modena, sono stati sviluppati degli script in grado di automatizzare il processo di segmentazione e di estrazione degli indici (Dice e distanza di Hausdorff) per la suddetta valutazione. In seguito al confronto tra l’algoritmo di segmentazione con atlanti anatomici e quello mediante modello, è risultato che il primo presentava delle performance migliori. Gli atlanti considerati, formati da pazienti sottoposti a trattamento PBI (Partial Breast Irradiation), risultano quindi omogenei per tipologia di pazienti e organi. Inoltre, dal confronto di due diversi modi di utilizzo dell’algoritmo di segmentazione automatica con atlante su cuore, mammella controlaterale, polmone destro, polmone sinistro, midollo e tiroide, è emerso che, pur non essendoci differenze significative nei loro indici di qualità, uno presentava tempistiche di esecuzione migliori. L’uso di tale metodo in pratica clinica permette una rilevante riduzione del lavoro del medico.
In seguito, sono state gettate le basi per la costruzione di un classificatore in grado di riconoscere un’eventuale sovra-segmentazione di una struttura, che ha fornito dei buoni risultati e può quindi essere utilizzato per diminuire l’apporto del medico nel processo di espansione dell’atlante. Inoltre, al fine di permettere un livello di automazione e un’indipendenza dall’operatore sempre maggiore, sono stati proposti diversi miglioramenti per il classificatore costruito, che possono delineare le basi per un successivo lavoro in ambito radioterapico.
     
    
      Abstract
      Nella pianificazione di trattamenti in ambito radioterapico, la delineazione degli organi a rischio (OAR) è essenziale. Solitamente, il medico radioterapista esegue la segmentazione delle strutture degli OAR manualmente, con alti costi a livello di tempistiche. Perciò, la ricerca si è focalizzata sullo sviluppo e l’integrazione di algoritmi di segmentazione automatica nella pratica clinica.
In questo lavoro di tesi, svolto presso il Policlinico di Modena, sono stati sviluppati degli script in grado di automatizzare il processo di segmentazione e di estrazione degli indici (Dice e distanza di Hausdorff) per la suddetta valutazione. In seguito al confronto tra l’algoritmo di segmentazione con atlanti anatomici e quello mediante modello, è risultato che il primo presentava delle performance migliori. Gli atlanti considerati, formati da pazienti sottoposti a trattamento PBI (Partial Breast Irradiation), risultano quindi omogenei per tipologia di pazienti e organi. Inoltre, dal confronto di due diversi modi di utilizzo dell’algoritmo di segmentazione automatica con atlante su cuore, mammella controlaterale, polmone destro, polmone sinistro, midollo e tiroide, è emerso che, pur non essendoci differenze significative nei loro indici di qualità, uno presentava tempistiche di esecuzione migliori. L’uso di tale metodo in pratica clinica permette una rilevante riduzione del lavoro del medico.
In seguito, sono state gettate le basi per la costruzione di un classificatore in grado di riconoscere un’eventuale sovra-segmentazione di una struttura, che ha fornito dei buoni risultati e può quindi essere utilizzato per diminuire l’apporto del medico nel processo di espansione dell’atlante. Inoltre, al fine di permettere un livello di automazione e un’indipendenza dall’operatore sempre maggiore, sono stati proposti diversi miglioramenti per il classificatore costruito, che possono delineare le basi per un successivo lavoro in ambito radioterapico.
     
  
  
    
    
      Tipologia del documento
      Tesi di laurea
(Laurea magistrale)
      
      
      
      
        
      
        
          Autore della tesi
          Trojani, Valeria
          
        
      
        
          Relatore della tesi
          
          
        
      
        
          Correlatore della tesi
          
          
        
      
        
          Scuola
          
          
        
      
        
          Corso di studio
          
          
        
      
        
          Indirizzo
          Curriculum E: Fisica applicata
          
        
      
        
      
        
          Ordinamento Cds
          DM270
          
        
      
        
          Parole chiave
          atlas-based segmentation,radioterapia,model based segmentation,atlanti anatomici,segmentazione automatica,classificatore
          
        
      
        
          Data di discussione della Tesi
          15 Dicembre 2017
          
        
      
      URI
      
      
     
   
  
    Altri metadati
    
      Tipologia del documento
      Tesi di laurea
(NON SPECIFICATO)
      
      
      
      
        
      
        
          Autore della tesi
          Trojani, Valeria
          
        
      
        
          Relatore della tesi
          
          
        
      
        
          Correlatore della tesi
          
          
        
      
        
          Scuola
          
          
        
      
        
          Corso di studio
          
          
        
      
        
          Indirizzo
          Curriculum E: Fisica applicata
          
        
      
        
      
        
          Ordinamento Cds
          DM270
          
        
      
        
          Parole chiave
          atlas-based segmentation,radioterapia,model based segmentation,atlanti anatomici,segmentazione automatica,classificatore
          
        
      
        
          Data di discussione della Tesi
          15 Dicembre 2017
          
        
      
      URI
      
      
     
   
  
  
  
  
  
    
    Statistica sui download
    
    
  
  
    
      Gestione del documento: 
      
        