{"id":13840,"date":"2025-05-22T10:32:40","date_gmt":"2025-05-22T08:32:40","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/segmentazione-automatica-dei-lobi-polmonari-in-ct-confronto-tra-algoritmi\/"},"modified":"2025-06-04T14:23:14","modified_gmt":"2025-06-04T12:23:14","slug":"segmentazione-automatica-dei-lobi-polmonari-in-ct-confronto-tra-algoritmi","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/segmentazione-automatica-dei-lobi-polmonari-in-ct-confronto-tra-algoritmi\/","title":{"rendered":"SEGMENTAZIONE AUTOMATICA DEI LOBI POLMONARI IN CT: CONFRONTO TRA ALGORITMI"},"content":{"rendered":"
\n
\n

\"\"\"\"<\/p>\n

AFFILIAZIONE<\/span><\/strong><\/p>\n

universit\u00e0 degli studi ‘magna graecia’ di catanzaro<\/p>\n


\nAUTORE PRINCIPALE<\/span><\/strong><\/p>\n

Studente Montarello Francesca<\/p>\n

VALUTA IL CHALLENGE
\n<\/span><\/strong><\/p>\n

Registrazione obbligatoria. Una valutazione consentita<\/em><\/div>\n
\t\t
\n\t\t\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tLogin<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tRegistrazione<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

login avvenuto<\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tLogout<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<\/div>\n
[ratingwidget]<\/div>\n<\/div>\n
\n

<\/a><\/p>\n

GRUPPO DI LAVORO<\/span><\/strong><\/p>\n

Studente Montarello Francesca<\/strong> universit\u00e0 degli studi ‘magna graecia’ di catanzaro<\/p><\/div>\n

AREA TEMATICA<\/span><\/strong><\/p>\n

Applicazioni di intelligenza artificiale in sanit\u00e0<\/div>\n

ABSTRACT<\/span><\/strong><\/p>\n

INTRODUZIONE
\nL’uso di algoritmi basati su deep learning (DL) per la segmentazione automatica delle immagini mediche sta diventando fondamentale per migliorare l’efficienza e la precisione dei processi diagnostici. Questo studio si propone di confrontare le prestazioni di due algoritmi di segmentazioni automatica di immagini CT dei polmoni.
\nMATERIALI E METODI
\n\u00c8 stato analizzato un dataset open source di 20 pazienti comprensivi di CT e segmentazione manuale dei lobi polmonari, le loro immagini CT sono state processate con il software 3D Slicer, utilizzando il modulo “Lung CT Segmenter” e due modelli di DL, \u2018Lungmask R231\u2019 e \u2018TotalSegmentator\u2019. Le segmentazioni ottenute sono state confrontate con quelle manuali dei radiologi, considerate il gold standard. Per valutare l\u2019accuratezza, sono stati utilizzati l’indice di Dice (DSC), che misura la sovrapposizione tra le maschere ottenute automaticamente e manualmente, che va da 0 (nessuna sovrapposizione) a 1 (sovrapposizione perfetta), e la distanza di Haussdorf (HD), che calcola la distanza tra superfici. Successivamente, \u00e8 stato eseguito il test statistico di Wilcoxon per identificare eventuali differenze statistiche tra i due modelli.
\nRISULTATI
\nI risultati ottenuti mostrano che, considerando i valori medi di Dice e Haussdorf, i due algoritmi hanno fornito delle segmentazioni molto accurate, in quanto essi oscillano, tra 0.96 e 0.98 per DSC e 0.7 e 1.7 mm per HD. Il test di Wilcoxon rivela una differenza statistica tra le segmentazioni ottenute con i due metodi (p-value < 0.05).\nIl tempo richiesto per le segmentazioni \u00e8 nell\u2019ordine di un paio di minuti.\nCONCLUSIONI\nIn conclusione, gli algoritmi di DL testati in questo lavoro hanno dimostrato un buon livello di accuratezza nella segmentazione automatica dei polmoni in immagini CT. Alla luce di questo, considerando anche il tempo necessario per ottenere i contorni, tali algoritmi di DL possono rivelarsi un valido supporto in clinica, riducendo il carico di lavoro per i medici e minimizzando la variabilit\u00e0 tipica del processo manuale.<\/div>\n

 <\/p>\n

\n\n