Tecniche efficienti di elaborazione dei segnali ultrasonici per diagnostica medica supportata da computer

L’ecografia è una tecnica diagnostica per immagini utilizzata nella pratica clinica, non invasiva, poco costosa e in tempo reale. La bassa qualità delle immagini rende l’interpretazione complessa e soggettiva. Per supportare i medici nella diagnosi è possibile utilizzare sistemi Computer Aided Detection (CAD). La tesi discute tecniche efficienti di elaborazione dei segnali ultrasonici per diagnostica medica supportata da computer. Vengono trattate due tematiche: (i) la caratterizzazione tissutale basata su ultrasuoni, finalizzata al miglioramento del protocollo bioptico per la diagnosi del tumore alla prostata; (ii) la segmentazione di immagini ecocardiografiche, finalizzata all’individuazione dei contorni delle strutture cardiache per misurare in modo automatico le dimensioni dell’organo e calcolare indici di funzionalità clinicamente rilevanti. Nell’ambito del primo tema è stato sviluppato un sistema CAD. I contributi in quest’ambito sono: (i) lo sviluppo di un robusto sistema di classificazione, (i) l’utilizzo di elaborazione parallela su GPU per ottenere prestazioni in tempo reale; (iii) l’introduzione di un nuovo algoritmo di apprendimento semi-supervisionato e di una procedura di addestramento capace di utilizzare tutti i dati raccolti. Il sistema guida il medico indirizzando il campionamento bioptico verso zone potenzialmente patologiche. Una validazione con dati clinici ha dimostrato la validità del sistema come strumento di supporto alla diagnosi in grado di consentire una riduzione del numero di campioni necessari per una diagnosi accurata. Nell’ambito del secondo tema è stato sviluppato uno strumento per la diagnosi dei malfunzionamenti cardiaci tramite ecocardiografia 3D real-time. I contributi della tesi sono: (i) lo sviluppo di un framework di segmentazione automatica per immagini 3D basato sulla tecnica level-set e operante su GPU; (ii) la sua applicazione ad immagini ecocardiografiche tridimensionali. Risultati sperimentali ne hanno dimostrato l’elevata efficienza e flessibilità. Una validazione su dati clinici ne ha dimostrato l’efficacia come strumento di supporto al medico per l’analisi quantitativa della morfologia e della funzionalità cardiaca.