PROPOSTE DI TESI e/o STAGE

Deep learning per la quantificazione dell'aorta in ecografia prenatale

 
 
Immagine Grisan Enrico
Deep learning per la quantificazione dell'aorta in ecografia prenatale
di Grisan Enrico - mercoledì, 22 marzo 2017, 17:58
 

La misura di parametri morfometrici in ecografia prenatale è un importante passo per monitorare la crescita e la salute del feto durante la gravidanza.


La tipica procedura automatica o semi-automatica è quella di identificare e segmentare le strutture di interesse (il femore, il cranio, l’addome) e poi derivare le misure di interesse dal loro contorno.

L’idea è quella di sfruttare un approccio di deep learning per evitare la doppia procedura tipicamente utilizzata (segmentazione prima, misura poi), per ottenere direttamente la misura dall’analisi delle immagini.

Questo è possibile facendo imparare a una rete neurale profonda come combinare le informazioni nell’immagine per ottenere la misura di interesse.


Scopo della tesi è costruire una rete neurale convoluzionale che sia in grado di restituire la dimensione dell’aorta e lo spessore della sua parete da immagini di ecografia prenatale.