Obiettivo: L'epatocarcinoma (HCC) è il tumore primario del fegato più comune e rappresenta una sfida diagnostica per la dipendenza dall'esperienza dell'operatore e le difficoltà nell'identificazione precoce delle lesioni nei controlli ecografici con mezzo di contrasto (CEUS). Lo studio mira a ottimizzare il workflow diagnostico dell'HCC, riducendo tempi di attesa ed effort clinico. Vengono sviluppati sistemi basati su reti neurali convoluzionali (CNN) per il riconoscimento automatico dell'HCC da immagini CEUS, con l’obiettivo di migliorare accuratezza e riproducibilità diagnostica. Si propone inoltre un metodo per valutare la qualità dell'esame CEUS, includendo l'individuazione automatica dei frame caratteristici del pattern di wash-in della lesione. I contributi principali sono: - Detection e Classificazione della lesione epatica sui frame caratteristici del pattern di wash-in - Confronto di architetture CNN per la classificazione delle ROI delle lesioni epatiche - Individuazione automatica sui frame dei video esame delle fasi CEUS caratteristiche e dei frame caratteristici di wash-in Materiali e Metodi: Sono stati utilizzati due database: Database retrospettivo del Policlinico di Bari (251 video) e Database pubblico SUSY-FLL-CEUS (353 video).