Sviluppo di un CAD per la detection di tumori al seno non-mass con immagini di risonanza magnetica

Nel seguente progetto di tesi è stato implementato un CAD per la detezione di tumore al seno non mass attraverso l’utilizzo delle librerie di deep learning di Python, Keras e TensorFlow. Dopo un excursus sulla problematica e le metodologie di screening, è stato approfondito l’utilizzo della Intelligenza Artificiale nella clinica. E’ stata costruita una rete neurale convoluzionale di tipo U-Net sulla base di immagini di risonanza magnetica, tecnica che garantisce una sensibilità superiore all’esame mammografico, considerato ancora il “gold standard” per questo tipo di problematica. Sono stati implementati diversi modelli di rete al variare della normalizzazione dei dati di input o della loss function e successivamente sono state testate alcune binarizzazioni sui dati predetti, per osservare e valutare gli effetti del variare dei suddetti parametri sulle prestazioni del CAD. Si è mostrato come effettivamente i metodi scelti per l’allenamento della rete e la rappresentazione dei risultati siano decisamente influenti sulla performance della rete. Il lavoro di questa tesi può e deve sicuramente essere ampliato, perché i risultati della rete mostrano una ottima capacità di riconoscere la lesione, affiancata però dalla presenza di molti falsi positivi, dovuti soprattutto alla presenza degli organi rappresentati nell’MRI che costituiscono interferenza. I metodi di CAD, sia di detezione che di diagnosi, potrebbero rivelarsi davvero un ottimo supporto alla pratica clinica e la ricerca in questo campo è in pieno svolgimento.