The focus of the research activity carried out during the Ph.D. course with higher education and research apprenticeship program between O3 Enterprise s.r.l. and the University of Trieste was the application of deep learning to the analysis of medical images. In this thesis, two novel methods for addressing tasks impacting clinical practice in two different fields of medical imaging are presented. The first is the result of the study conducted in collaboration with the Surgical Pathology Unit of Cattinara Hospital and the Health Telematics Laboratory (HTL) of the Complex Structure of Informatics and Telecommunications at Azienda Sanitaria Universitaria Giuliana Isontina (ASUGI). In this study both classical imaging techniques and deep learning methods were applied to the quality assessment of histological images in liver biopsies, reproducing in a fully automatic and objective way what must be still manually done in clinical practice by pathologists before any histological image analysis performed by a computer-aided system. The second study, born from the collaboration between O3Enterprise s.r.l. and Dr. Parolini, currently Director of the Vitreoretinal Service at Eyecare Clinic in Brescia, applied and compared different deep learning models for the development of an AI system able to stage the myopic traction maculopathy (MTM) – i.e. complex diseases characterized by a wide spectrum of clinical pictures that may affect eyes with high myopia – according to the recently proposed MTM staging system. Both studies, despite some limitations mainly due to the difficulty of collecting a large number of data, have demonstrated the effectiveness of applying deep learning-based methods even to complex tasks that have never been addressed before in research activities, laying the foundations for further developments and investigations and offering insights for further research.

Il focus dell'attività di ricerca svolta durante il corso di dottorato con un programma di apprendistato di alta formazione e ricerca tra O3 Enterprise s.r.l. e l'Università di Trieste è stato l'applicazione del deep-learning all'analisi di immagini mediche. In questa tesi vengono presentati due nuovi metodi che sono stati utilizzati per svolgere compiti aventi un importante impatto sulla pratica clinica in due diversi campi dell'imaging medico. Il primo è il risultato dello studio condotto in collaborazione con la Struttura Complessa di Anatomia e Istologia Patologica dell'Ospedale di Cattinara e il Laboratorio di Telematica Sanitaria (HTL) della Struttura Complessa di Informatica e Telecomunicazioni dell'Azienda Sanitaria Universitaria Giuliana Isontina (ASUGI). In questo studio sia le tecniche classiche di imaging che i metodi di deep learning sono stati applicati alla valutazione della qualità delle immagini istologiche delle biopsie epatiche, riproducendo in modo completamente automatico e oggettivo ciò che nella pratica clinica deve essere ancora fatto manualmente dai patologi prima di una qualsiasi analisi delle immagini istologiche eseguita da un sistema computerizzato. Il secondo studio, nato dalla collaborazione tra O3Enterprise s.r.l. e la Dr.ssa Parolini, attualmente Direttrice del Servizio VitreoRetina presso Eyecare Clinic di Brescia, ha interessato l’applicazione e il confronto di diversi modelli di deep learning per lo sviluppo di un sistema di intelligenza artificiale in grado di effettuare la stadiazione della maculopatia miopica trattiva (MTM), una patologia complessa caratterizzata da un ampio spettro di quadri clinici che può colpire occhi con elevata miopia, secondo il sistema di stadiazione MTM recentemente proposto. Entrambi gli studi, nonostante alcune limitazioni dovute principalmente alla difficoltà di raccogliere un gran numero di dati, hanno dimostrato l'efficacia dell'applicazione di metodi basati sul deep learning anche a compiti complessi mai affrontati prima nelle attività di ricerca, ponendo le basi per ulteriori sviluppi e indagini e offrendo spunti per ulteriori ricerche.

Applicazione di metodi basati sul deep learning per l'analisi di immagini mediche / Pace, Teresa. - (2023 Feb 22).

Applicazione di metodi basati sul deep learning per l'analisi di immagini mediche

PACE, TERESA
2023-02-22

Abstract

The focus of the research activity carried out during the Ph.D. course with higher education and research apprenticeship program between O3 Enterprise s.r.l. and the University of Trieste was the application of deep learning to the analysis of medical images. In this thesis, two novel methods for addressing tasks impacting clinical practice in two different fields of medical imaging are presented. The first is the result of the study conducted in collaboration with the Surgical Pathology Unit of Cattinara Hospital and the Health Telematics Laboratory (HTL) of the Complex Structure of Informatics and Telecommunications at Azienda Sanitaria Universitaria Giuliana Isontina (ASUGI). In this study both classical imaging techniques and deep learning methods were applied to the quality assessment of histological images in liver biopsies, reproducing in a fully automatic and objective way what must be still manually done in clinical practice by pathologists before any histological image analysis performed by a computer-aided system. The second study, born from the collaboration between O3Enterprise s.r.l. and Dr. Parolini, currently Director of the Vitreoretinal Service at Eyecare Clinic in Brescia, applied and compared different deep learning models for the development of an AI system able to stage the myopic traction maculopathy (MTM) – i.e. complex diseases characterized by a wide spectrum of clinical pictures that may affect eyes with high myopia – according to the recently proposed MTM staging system. Both studies, despite some limitations mainly due to the difficulty of collecting a large number of data, have demonstrated the effectiveness of applying deep learning-based methods even to complex tasks that have never been addressed before in research activities, laying the foundations for further developments and investigations and offering insights for further research.
22-feb-2023
ACCARDO, AGOSTINO
35
2021/2022
Settore ING-INF/06 - Bioingegneria Elettronica e Informatica
Università degli Studi di Trieste
File in questo prodotto:
File Dimensione Formato  
T.pdf

accesso aperto

Descrizione: Teresa Pace - Documento di tesi
Tipologia: Tesi di dottorato
Dimensione 5.19 MB
Formato Adobe PDF
5.19 MB Adobe PDF Visualizza/Apri
Allegato - Gruppo ASUGI.pdf

accesso aperto

Tipologia: Altro materiale allegato
Licenza: Digital Rights Management non definito
Dimensione 98.74 kB
Formato Adobe PDF
98.74 kB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11368/3041100
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact