Progetto SINACH

Medical GAP Software Lab - Sinach Project

La segmentazione di immagini di risonanza magnetica rappresenta un passo fondamentale in diversi ambiti medicali inclusi anche i sistemi integrati di navigazione per chirurgia invasiva, i quali sono oggetto di SINACH, un progetto di ricerca finanziato dalla regione Puglia nell'ambito del programma INNONETWORK 2017.

Il progetto mette in campo realtà pugliesi all'avanguardia nei settori del medicale e dell'elaborazione delle immagini.

Negli ultimi anni, si è riscontrato un crescente utilizzo di tecniche diagnostiche basate sulla segmentazione di immagini di risonanza magnetica.

In tale scenario risulta sempre più importante disporre di risultati di segmentazione in tempi molto rapidi e privi il più possibile di artefatti.

In tale contesto, il GAP Software Lab realizzato da GAP nell'ambito del progetto SINACH si offre come soluzione in grado di soddisfare sia l'operatore che necessita di risultati affidabili in tempi molto rapidi sia l'operatore più esigente che desidera sperimentare diverse soluzioni di segmentazione quali ad esempio le tecniche di segmentazione basate su metodi di tipo active contour o sperimentando anche la combinazione di più tecniche di segmentazione, partendo ad esempio da tecniche di thresholding andandole poi a rifinire con tecniche di active contour, o nei casi più complessi operando manualmente con tutta una serie di tool di refinement manuale che consentono di agire anche a livello della singola slice da segmentare.

Il GAP Software Lab, realizzato nell'ambito del progetto SINACH, offre dunque all'operatore un vero e proprio laboratorio software al fine di sperimentare approcci originali e allo stato dell'arte.

Il cuore pulsante di questo software è basato su algoritmi di intelligenza artificiale usando tecniche avanzate di machine learning, in grado di offrire risultati affidabili mediante una procedura totalmente automatica che non necessita di alcun intervento da parte dell'operatore.

I casi da analizzare vengono tutti inseriti all'interno di una directory di lavoro e con un semplice click, l'algoritmo di machine learning elaborerà tutti i dati presenti in tale directory, salvando i risultati nella directory di output, dove sarà disponibile per ciascun paziente il risultato della segmentazione.

E' possibile analizzare slice per slice il risultato delle segmentazioni prodotte dall'algoritmo di machine learning.

Laddove il risultato di segmentazione non dovesse soddisfare l'operatore è sempre possibile applicare alla singola slice (o anche a tutto lo stack di dati) dei refinement basati su algoritmi allo stato dell'arte, con possibilità di accedere a tutti i parametri di configurazione di tali algoritmi, fino ad ottenere quindi il risultato desiderato.

Durante queste fasi di refinement è possibile accettare il risultato ottenuto, ma anche ripristinare la segmentazione iniziale.

Una volta raggiunto il livello di qualità desiderato, il risultato della segmentazione può essere salvato in formati standard, facilmente visualizzabili con tutti i principali software del settore.

Inoltre il risultato ottenuto tramite le operazioni di refinement non rappresenta solo una versione migliorata del prodotto generato dall'algoritmo di machine learning, ma a sua volta può essere fornito all'algoritmo di apprendimento al fine di migliorarne le future prestazioni e dunque garantire livelli di qualità molto elevati!

E' disponibile anche il video al seguente link: https://youtu.be/wFYANr8tJy0