POLITECNICO DI BARI CORSO DI LAUREA IN INGEGNERIA INFORMATICA DIPARTIMENTO DI ELETTRONICA ED ELETTROTECNICA POLITECNICO DI BARI CORSO DI LAUREA IN INGEGNERIA.

Slides:



Advertisements
Presentazioni simili
Apprendimento Automatico Apprendimento supervisionato
Advertisements

Intelligenza artificiale
I VIDEOGIOCHI Piano di marketing.
Sistemi di Classificazione usando NCD
CHRONIC RHINOSINUSITIS CLASS
Tecniche di segmentazione delle patologie morfologiche dell’encefalo
49% VISyR : Visual Inspection System for Railway Maintenance Architettura di Calcolo
POLITECNICO DI BARI Sezione di Bioinformatica
Corso di Laurea in Informatica
Assenze per malattia secondo la certificazione on line: PRIME EVIDENZE Roma, 2 febbraio 2011.
Reti neurali per la percezione dell’ambiente in robotica autonoma
Reti Neurali: studi sull'intelligenza artificiale
INDAGINI DEL CAMPO DI SPOSTAMENTI INDOTTO DA UNA FONDAZIONE SUPERFICIALE SU SABBIA CON METODI DI ANALISI D’IMMAGINE POLITECNICO DI MILANO FACOLTA’ D’INGEGNERIA.
1 Rendering spaziale sonoro mediante ricostruzione stereo Università degli studi di Verona Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica.
BIOINGEGNERIA S. Salinari Lezione 7. RETI CON APPRENDIMENTO SUPERVISIONATO A DISTANZA Nello sviluppo delle reti neurali si è proceduto indebolendo via.
Apprendimento di movimenti della testa tramite Hidden Markov Model
Capacità elettrica  Condensatore
Modelli simulativi per le Scienze Cognitive Paolo Bouquet (Università di Trento) Marco Casarotti (Università di Padova)
Modelli simulativi per le Scienze Cognitive Paolo Bouquet (Università di Trento) Marco Casarotti (Università di Padova)
PATTERN RECOGNITION.
Il servizio tra tradizione e prospettive future. Il complesso delle risorse umane, finanziarie, documentarie che la biblioteca può mettere a disposizione.
Valutazione Lapplicazione dei criteri di valutazione sullefficacia della biblioteca deriva essenzialmente dal nuovo approccio sistemico, in cui ogni attività
Stefano Angelo Santini Università Cattolica S. Cuore, Roma
Malattia Estesa: approcci sperimentali. La personalizzazione della terapia con Imatinib basata sulle concentrazioni plasmatiche e sui parametri farmacocinetici.
Intelligenza Artificiale Algoritmi Genetici
Intelligenza Artificiale
In contrapposizione con i metodi convenzionali (hard computing), le tecniche di soft computing non si basano su procedimenti esprimibili in forma chiusa.
Elaborazione (digitale) delle immagini
TUMORE DEL COLON RETTO LA COLONSCOPIA
APPLICAZIONI DI INTELLIGENZA ARTIFICIALE ALLA MEDICINA
Medical Imaging Group Dipartimento di Fisica Università di Bologna Locchio e il cervello …artificiali Nellambito dellIntelligenza Artificiale (AI) è possibile.
Strutture periodiche discrete: introduzione del vincolo di periodicità e studio della ricostruzione da due proiezioni. A. Del Lungo, A. Frosini, M.Nivat,
Agenti Mobili Intelligenti e Sicurezza Informatica
Tesi di specializzazione di Maria Sole Prevedoni Gorone
Diagnostica per Immagini Integrata e Procedure Interventistiche
Relatore: Prof. Andrea Stimamiglio Candidata : Erica De Gaetano
I sistemi di pianificazione e controllo.
STATISTICA PER LE DECISIONI DI MARKETING
Errori casuali Si dicono casuali tutti quegli errori che possono avvenire, con la stessa probabilità, sia in difetto che in eccesso. Data questa caratteristica,
Errori casuali Si dicono casuali tutti quegli errori che possono avvenire, con la stessa probabilità, sia in difetto che in eccesso. Data questa caratteristica,
Università degli Studi di Cagliari
Teoria e Metodologia del movimento umano
Ascoltazione Remota Real-Time
Come arriviamo ad una diagnosi
POLITECNICO DI MILANO Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica STUDIO E REALIZZAZIONE DI UN BRACCIO ROBOTICO ANTROPOMORFO E SOLUZIONE.
Riccardo Gionata Gheri
Glossario d’ informatica Dargenio Michelangelo 3^ AP.
24 e 25 Febbraio 2011 Corso di Laurea in Informatica.
Analisi di Immagini e Dati Biologici
Analisi di Immagini e Dati Biologici Edge detection and sharpening L7 38.
Automated counting of phytoplankton by pattern recognition: a comparison with a manual counting method K. V. EMBLETON, C. E. GIBSON AND S. I. HEANEY.
A proposito di spazio scala e di altre features locali... Elisabetta Delponte
Allineamento di sequenze
DICHIARAZIONE DI INIZIO ATTIVITA’ ON – LINE PER LE PRATICHE EDILIZIE IL FUTURO DEL PROFESSIONISTA.
Università degli Studi di Firenze Facoltà di Ingegneria Dipartimento di Sistemi e Informatica Corso di Laurea in Ingegneria Informatica Modelli e strumenti.
Informazione e Informatica - presentazione dei concetti di base -
Elaborazione statistica di dati
Corso di laurea in Ingegneria Energetica
Selezione del volume dei polmoni M. Antonelli, B. Lazzerini, F. Marcelloni Dipartimento Ingegneria dell’Informazione Pisa.
Rimozione di artefatti in immagini TC per la radioterapia
Se vuoi imparare davvero qualcosa, insegnala!. Umilmente IMPARARE IL PENSIERO COMPUTAZIONALE IMPARARE A PROGRAMMARE IL PENSIERO COMPUTAZIONALE PER OGNI.
ULSS RAGGIO di SOLE LILT AVO ALLEANZA Screening colo-rettale Attività (dati parziali) Tratto da Registro Tumori Veneto – Report 2007 modificato.
Management e Certificazione della Qualità Prof. Alessandro Ruggieri A.A
Metodologia di determinazione delle opzioni di semplificazione dei costi (cd. costi standard) nell’ambito del PON IOG La semplificazione dei costi nella.
Dal problema al programma – ciclo di sviluppo del software La scrittura del programma è solo una delle fasi del processo di sviluppo di un'applicazione.
Unità di apprendimento 6
Trattamento delle immagini numeriche Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.
Andrea PERBELLINI Federico POLLARA LA VALUTAZIONE DEI PERCORSI DIAGNOSTICO TERAPEUTICI ASSISTENZIALI il caso dell’Azienda Ospedaliera “Guido Salvini” POLITECNICO.
Analisi dati MODIS L1B - Stagione 2005 REQUISITE – INTERREG IIIA ANCONA, 12-13/12/2005 Analisi dati MODIS L1B - Stagione 2005 REQUISITE – INTERREG IIIA.
Prodotti biologici e attributi sensoriali: un’ analisi esplorativa sulle esperienze di operatori italiani Corso di Marketing e gestione dell’ impresa agroalimentare.
Transcript della presentazione:

POLITECNICO DI BARI CORSO DI LAUREA IN INGEGNERIA INFORMATICA DIPARTIMENTO DI ELETTRONICA ED ELETTROTECNICA POLITECNICO DI BARI CORSO DI LAUREA IN INGEGNERIA INFORMATICA DIPARTIMENTO DI ELETTRONICA ED ELETTROTECNICA TESI DI LAUREA IN INFORMATICA MEDICA

Il tumore del colon-retto  Il tumore del colon-retto è la terza causa di morte per carcinoma nei paesi occidentali, registrando più di nuovi casi all’anno nel mondo di cui circa in Italia.  Le possibilità di sopravvivenza a 5 anni dalla diagnosi sono del 40%. Raggiungono però l’80% in caso di diagnosi precoce.  Le tecniche classiche di screening come la Colonscopia Ottica o la Sigmoidoscopia mirano all’individuazione e rimozione, mediante sonde, di polipi intestinali. Questi sono neoformazioni benigne sulla mucosa intestinale, che però possono degradare in tumori.

La colonscopia virtuale  La Colonscopia Virtuale è una tecnica diagnostica basata sulla ricostruzione in 3D del colon a partire da immagini radiologiche TAC dell’addome facilmente reperibili.

Vantaggi e limiti ControPro Non invasiva Accuratezza dell’85% per polipi >9mm Riduce tempi e costi Non consente la rimozione dei noduli Accuratezza del 48% per polipi <6mm

Obiettivi del progetto  Sviluppare un algoritmo che consenta di individuare possibili polipi in modo automatico, a partire da immagini TAC, con il maggiore grado di accuratezza possibile.  Comparare diversi approcci al problema, nell’ambito di tecniche di soft computing, per valutarne l’efficacia, pregi e difetti.

Reti neurali artificiali  Le reti neurali artificiali sono un’applicazione ingegneristica di Intelligenza Artificiale basata sulla riproduzione del funzionamento del cervello umano.  Benché siano solo lontanamente paragonabili alle reti neurali biologiche, esse rivestono un ruolo importante nella soluzione di problemi nel dominio subsimbolico, non riconducibili a soluzioni algoritmiche.  La caratteristica principalmente sfruttata è quella di pattern recognition: riuscire ad “imparare” a riconoscere oggetti a partire da esempi forniti.

Passi di sviluppo Le immagini vengono contrastate Vengono estratti i bordi del lumen del colon, zona di interesse Segmentazione e Preprocessing Esamina aree di 7x7 pixel e rileva i centri di eventuali polipi Addestrata su esempi reali ANN 2D Analizza i volumi centrati sui risultati della rete 2D E’ addestrata su un modello di distribuzione di densità di tipo Gaussiano 3D ANN 3D Filtro di Interfaccia Filtro di Output

Segmentazione  La segmentazione consente di estrarre dalle immagini solo le zone di interesse, al fine di snellire le operazioni successive.

Preprocessing  Il preprocessing consente di preparare le immagini per l’analisi successiva, mettendo in contrasto le forme.  Operazioni di contrasto, smoothing and sharpening, e scala.

Rete neurale 2D  Analizza singole slice, dati 2D da cui estrapola i possibili noduli in base a proprietà geometriche e densità di grigi.  Scansiona aree di 7x7 pixel, in base all’assunzione che i noduli sono facilmente riconoscibili se maggiori di 7mm.  E’ addestrata utilizzando casi reali di polipi, falsi positivi e negativi, in modo da rispondere con 0 se riconosciuto falso, 1 se polipo e 0.5 se falso positivo.

Output della rete  I risultati vengono filtrati con una soglia imposta a 0.7 e le coordinate immagazzinate in una struttura in base alla slice di appartenenza.

Filtro di interfaccia  Elabora i risultati ottenuti dalla prima rete in prospettiva volumetrica, prendendo in considerazione 7 slices, ovvero cubi di 7x7x7 pixel.  Unifica i risultati che su più slices consecutive si trovano nella stessa posizione, considerandoli come un unico candidato.  Elimina i centri riscontrati meno di 3 volte su un pacchetto di 7 slices, considerandoli falsi.

Filtri neurali (MTANN)  Le MTANN (Massive Training Neural Networks) sono reti neurali supervisionate a struttura non convenzionale di recente sviluppo.  Generalmente vengono utilizzate per elaborare immagini 2D e 3D al fine di metterne in risalto alcune caratteristiche.  Nel 2003 sono state applicate con successo in sistemi CAD per il rilevamento di tumori polmonari; nel 2007 si è tentato un primo approccio alla riduzione dei falsi positivi nei sistemi CAD per il rilevamento dei tumori del colon-retto.

Funzionamento della MTANN MTANN....

Osservazioni densitometriche  L’output della rete non è binario, bensì un volume elaborazione di quello di input al fine di farlo somigliare a un modello di polipo.  La costruzione del modello deriva da un’analisi densitometrica dei casi reali a disposizione effettuata mediante osservazione dei diagrammi di densità.  L’analisi ha permesso di definire 4 classi di intensità all’interno delle quali ricadono tutti i valori dei casi a disposizione.

Creazione del modello: valori

Creazione del modello: forma  Mentre per la distribuzione di densità si è utilizzato in modello della Gaussiana 3D, per riprodurre la forma dei polipi si è utilizzata una sfera. x z = 0 z = z = z = z = z = z = y z

Filtro di output  Il filtro neurale fornisce in uscita, per i polipi rilevati, una versione del volume input filtrata per assomigliare al modello; per le altre strutture, il volume di input viene filtrato per essere “cancellato”.  Il volume di output della rete viene inviato ad un altro filtro (filtro di output) il quale calcola l’errore quadratico medio tra il modello e l’output stesso, per valutarne il grado di somiglianza.  L’errore sarà basso per i polipi ed alto per i non-polipi.

Risultati  Il sistema sugli esami a disposizione è riuscito a riscontrare tutti i polipi di dimensione maggiore di 5mm, senza produrre falsi positivi.  Buone capacità di generalizzazione, supportate da soglie ampie, addestramento effettuato con un numero ridotto di esempi e test effettuati su esempi fittizi.  Buone prestazioni: la durata del processo di scansione di un intero esame (più di 500 immagini) è di circa 90 min su un Desktop PC Pentium IV, utilizzando meno di 150 Mb di RAM.