Sviluppo e validazione di un nuovo approccio basato su reti neurali convoluzionali 3D per la valutazione della progressione della malattia policistica renale autosomica dominante

La Malattia Policistica Renale Autosomica Dominante (ADPKD) è una malattia ereditaria caratterizzata dal progressivo sviluppo, all'interno di entrambi i reni, di numerose cisti che, sostituendosi al tessuto funzionante, determinano nel giro di alcuni anni, una insufficienza renale. Una precisa valutazione della progressione della malattia è necessaria per stabilire prontamente quale sia la terapia più appropriata e la sua efficacia. Tale valutazione si basa principalmente su tecniche di imaging, che permettono di ispezionare visivamente le crescite renali anomale e di quantificarle attraverso misurazioni. Ad oggi il volume totale del rene (TKV) è considerato il miglior biomarcatore per la valutazione della progressione della malattia in quanto lo sviluppo delle cisti causa a sua volta una espansione del rene stesso. Il calcolo del TKV è strettamente correlato ad una corretta segmentazione del rene malato. L'obiettivo principale del lavoro di tesi è la progettazione e la validazione sperimentale di tecniche in grado di eseguire la segmentazione completamente automatica di reni, al fine di valutare correttamente la progressione dell'ADPKD. In particolare, è stata progettata una soluzione basata su una rete convoluzionale tridimensionale con lo scopo di eseguire in maniera del tutto automatica la segmentazione renale per il calcolo del TKV. La rete realizzata è stata testata su 5 fold calcolando per ciascuno i valori medi del coefficiente di Dice, sensibilità e specificità ottenuti confrontando le maschere generate dalla rete e le maschere realizzate manualmente e considerate come ground truth. I risultati ottenuti sono stati soddisfacenti e paragonabili ad altre tecniche gia in precedenza validate.