Il full-text non è disponibile per scelta dell'autore.
(
Contatta l'autore)
Abstract
Il presente elaborato si focalizza sull’ottimizzazione dei protocolli di risonanza magnetica per lo studio della prostata mediante l’applicazione degli algoritmi di intelligenza artificiale, analizzando l’impatto di tali tecnologie sull’iter diagnostico-bioptico dei pazienti.
Il carcinoma prostatico rappresenta una delle neoplasie più frequenti nella popolazione maschile a livello globale. In questo contesto, la risonanza magnetica multiparametrica costituisce il gold standard nel percorso oncologico, rivelandosi fondamentale per l'identificazione e la localizzazione delle lesioni sospette.
L’applicazione dell’intelligenza artificiale nei protocolli di risonanza magnetica prostatica permette di ridurre i tempi di scansione di sequenze chiave come la T2 e la diffusione (DWI), consentendo al contempo il risparmio di sequenze accessorie come la DCE. Si ottengono così protocolli più rapidi che preservano
un'elevata qualità d'immagine, riducendo inoltre lo stazionamento del paziente all’interno del gantry, che spesso rappresenta la principale causa di disagio.
Oltre all'ottimizzazione dei protocolli di acquisizione, l’intelligenza artificiale riveste un ruolo cruciale di "secondo lettore", supportando il medico radiologo nella diagnosi e contribuendo a limitare le procedure
bioptiche invasive ai soli pazienti che presentano lesioni clinicamente significative, garantendo così al
paziente un miglior percorso oncologico.
Dall'analisi della letteratura scientifica emerge come l'applicazione di algoritmi avanzati, quali il Deep
Learning, permetta di contrarre i tempi delle sequenze di risonanza magnetica mantenendo immagini di
ottima qualità e protocolli più efficienti. Da qui prende avvio il percorso oncologico mirato per i pazienti con
lesioni maligne; in questo scenario si inserisce l'importanza fondamentale della supervisione attiva da parte
del Tecnico Sanitario di Radiologia Medica (TSRM), il cui controllo clinico-tecnico rimane imprescindibile.
Abstract
Il presente elaborato si focalizza sull’ottimizzazione dei protocolli di risonanza magnetica per lo studio della prostata mediante l’applicazione degli algoritmi di intelligenza artificiale, analizzando l’impatto di tali tecnologie sull’iter diagnostico-bioptico dei pazienti.
Il carcinoma prostatico rappresenta una delle neoplasie più frequenti nella popolazione maschile a livello globale. In questo contesto, la risonanza magnetica multiparametrica costituisce il gold standard nel percorso oncologico, rivelandosi fondamentale per l'identificazione e la localizzazione delle lesioni sospette.
L’applicazione dell’intelligenza artificiale nei protocolli di risonanza magnetica prostatica permette di ridurre i tempi di scansione di sequenze chiave come la T2 e la diffusione (DWI), consentendo al contempo il risparmio di sequenze accessorie come la DCE. Si ottengono così protocolli più rapidi che preservano
un'elevata qualità d'immagine, riducendo inoltre lo stazionamento del paziente all’interno del gantry, che spesso rappresenta la principale causa di disagio.
Oltre all'ottimizzazione dei protocolli di acquisizione, l’intelligenza artificiale riveste un ruolo cruciale di "secondo lettore", supportando il medico radiologo nella diagnosi e contribuendo a limitare le procedure
bioptiche invasive ai soli pazienti che presentano lesioni clinicamente significative, garantendo così al
paziente un miglior percorso oncologico.
Dall'analisi della letteratura scientifica emerge come l'applicazione di algoritmi avanzati, quali il Deep
Learning, permetta di contrarre i tempi delle sequenze di risonanza magnetica mantenendo immagini di
ottima qualità e protocolli più efficienti. Da qui prende avvio il percorso oncologico mirato per i pazienti con
lesioni maligne; in questo scenario si inserisce l'importanza fondamentale della supervisione attiva da parte
del Tecnico Sanitario di Radiologia Medica (TSRM), il cui controllo clinico-tecnico rimane imprescindibile.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Licheni, Giada
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Prostate MRI,Prostatic MRI,Deep Learning,Artificial Intelligence,Scan Time Reduction,Image Quality
Data di discussione della Tesi
20 Ottobre 2026
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Licheni, Giada
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Prostate MRI,Prostatic MRI,Deep Learning,Artificial Intelligence,Scan Time Reduction,Image Quality
Data di discussione della Tesi
20 Ottobre 2026
URI
Gestione del documento: