Applicazione di un algoritmo di graph cut per la segmentazione di femori in immagini CT

L'osservazione di immagini per valutare le condizioni degli organi o per pianificare interventi chirurgici è una pratica comune. E' posta una speciale attenzione nella caratterizzazione dei bordi degli organi e nella loro dettagliata profilazione. Questo tipo di processo è detto segmentazione. Al giorno d'oggi la segmentazione di oggetti nelle immagini CT viene eseguita manualmente dai medici. La procedura è assai dispendiosa in termini di tempo e richiede una grande esperienza. La segmentazione del profilo geometrico della testa del femore è un'operazione complessa perfino da svolgere manualmente. Si sta cercando di automatizzare questa procedura tramite algoritmi di machine learning. Negli ultimi anni, le tecniche di analisi delle immagini hanno compiuto numerosi passi avanti e si ritiene possibile che possano essere utilizzate per agevolare il lavoro dei medici. In questa tesi verrà descritto un metodo non supervisionato per la segmentazione di femori nelle immagini CT basato sul graph cut. Questo permette di ottenere risultati precisi e può essere applicato ad immagini tridimensionali. Nel primo capitolo verranno introdotti gli argomenti principali su cui si basa il metodo di graph cut, fra cui i grafi. Nel secondo capitolo verrà illustrata dettagliatamente questa tecnica approfondendone gli aspetti più importanti, come la minimizzazione dell'energia. Nel terzo capitolo saranno mostrati alcuni strumenti di elaborazione delle immagini utili per la segmentazione del femore tramite il metodo di graph cut, fra cui lo sheetness filter. Nell'ultimo capitolo sarà riportata l'intera procedura di segmentazione dei femori descrivendo la sequenza di operazioni coinvolte. In conclusione i risultati ottenuti verranno valutati tramite un confronto qualitativo e quantitativo con i risultati attesi. In futuro si cercherà di apportare ulteriori migliorie a questa tecnica tentando diverse operazioni, fra cui un'ottimizzazione dei parametri e l'affiancamento con una rete neurale.