Segmentazione automatica di immagini TC per lo studio della composizione corporea

Segmentare un'immagine significa riconoscere al suo interno elementi con caratteristiche comuni e raggrupparli, distinguendoli dagli elementi che posseggono caratteristiche diverse; si parla di segmentazione automatica quando questo processo è eseguito completamente da un software senza l'intervento umano. Nell'ambito della segmentazione dei tessuti corporei nelle immagini TC, i recenti metodi di segmentazione automatica si basano su reti neurali a convoluzione. L'impiego delle reti neurali è fondamentale, poiché la segmentazione manuale dei tessuti nelle immagini TC è un processo ripetitivo, operatore-dipendente e dispendioso in termini di tempo. Le immagini TC, spesso richieste dai medici per un'ampia gamma di motivazioni, possono fornire anche una grande quantità di dati dall'alto valore prognostico e predittivo della composizione corporea del paziente, che è un fattore determinante nella definizione di piani terapeutici oncologici. A causa della scarsa diffusione di software per la segmentazione automatica dei tessuti in immagini TC negli ospedali, tutti questi dati che potrebbero essere utilizzati come marcatori predittivi di patologie, quindi sfruttati per migliorare la salute dei pazienti e per diminuire la spesa sanitaria, non vengono utilizzati. Il presente lavoro di tesi si propone di riportare lo stato dell'arte sulla segmentazione, sia manuale sia automatica, dei tessuti corporei in immagini TC, spiegando i vantaggi dell'utilizzo di grandezze CT-derived rispetto a molti dei protocolli odierni ed esponendo gli attuali livelli di accuratezza delle segmentazioni effettuate con metodi automatici. Inoltre, ci si sofferma, cercando di quantificarli, sugli effetti del mezzo di contrasto sulle grandezze CT-derived, poiché questi possono generare errori nella segmentazione automatica dei tessuti. Infine, viene esposto l'approccio 3D alla segmentazione in contrapposizione al metodo single slice, con il primo caratterizzato da un'accuratezza maggiore del secondo.