Algoritmo per la segmentazione automatica di risonanze magnetiche cerebrali in pazienti affetti da malformazione di Arnold-Chiari. = Algorithm for automatic segmentation of brain MRIs in patients with Arnold-Chiari malformation.

La sindrome di Arnold-Chiari si presenta come una malformazione delle strutture cerebrali quali la fossa cranica posteriore. Come molte altre malattie rare è ancora oggi oggetto di ricerca. Il metodo di diagnosi attuale consiste nella visualizzazione di immagini di risonanza magnetica sagittale dei pazienti e identificazione manuale delle malformazioni da parte dei neurochirurghi. Questo approccio, però, è soggettivo e prono a un certo grado di incertezza. Per questo motivo, l’utilizzo di metodi automatici di diagnostica potrebbe aumentare l’accuratezza e l’efficacia nella diagnosi della sindrome Arnold-Chiari. Questa tesi ha lo scopo di sviluppare un algoritmo di elaborazione delle immagini di risonanza magnetica sagittali T1 di soggetti affetti dalla malformazione di Arnold-Chiari. Le immagini vengono pre-processate e poi viene effettuata la segmentazione, basata su Atlante, delle aree cerebrali di interesse, quali cervello, fossa posteriore e cervelletto, tramite il metodo dei Demons, associato al metodo dello Snake Gradient Vector Flow (GVF). Successivamente, vengono ricavati i parametri morfologici caratteristici, derivanti dalla geometria della fossa cranica posteriore e dalla misura delle aree delle tre strutture cerebrali di interesse. Questi dati sono poi utilizzati per confrontare le prestazioni dell’algoritmo con quelle di operatori esperti e per effettuare analisi statistiche sulla sindrome. L’obiettivo finale del progetto è quello di utilizzare i parametri ricavati dall’algoritmo per dividere in via preliminare i pazienti in due classi, raggruppandoli sulla base dell'aver o meno ricevuto l'intervento. Successivamente, per coloro che hanno subito l'intervento, viene eseguita una seconda classificazione in base al tipo di intervento chirurgico tra i tre possibili.