{"id":13896,"date":"2025-05-22T10:32:50","date_gmt":"2025-05-22T08:32:50","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/high-dimensional-quantitative-approach-to-texture-analysis-of-mri-in-parkinsonian-disorders\/"},"modified":"2025-06-04T14:24:01","modified_gmt":"2025-06-04T12:24:01","slug":"high-dimensional-quantitative-approach-to-texture-analysis-of-mri-in-parkinsonian-disorders","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/high-dimensional-quantitative-approach-to-texture-analysis-of-mri-in-parkinsonian-disorders\/","title":{"rendered":"HIGH-DIMENSIONAL QUANTITATIVE APPROACH TO TEXTURE ANALYSIS OF MRI IN PARKINSONIAN DISORDERS"},"content":{"rendered":"
\n
\n

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

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

universit\u00e0 di napoli federico ii<\/p>\n


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

Pisani Noemi<\/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

Pisani Noemi<\/strong> universit\u00e0 di napoli federico ii
\n Cesarelli Mario<\/strong> universit\u00e0 del sannio
\n Ricciardi Carlo<\/strong> universit\u00e0 di napoli federico ii<\/p><\/div>\n

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

Applicazioni innovative di bioingegneria: idee dalle Universit\u00e0<\/div>\n

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

La radiomica \u00e8 un campo emergente e promettente che mira a quantificare le informazioni contenute nelle immagini mediche attraverso l\u2019estrazione e l\u2019analisi di caratteristiche radiomiche. Questo approccio quantitativo ha mostrato un potenziale significativo per applicazioni predittive e prognostiche soprattutto nelle malattie neurodegenerative, dove una delle principali sfide \u00e8 l\u2019identificazione di biomarcatori in vivo. Queste patologie presentano spesso caratteristiche cliniche sovrapposte, rendendo complessa la diagnosi, ed \u00e8 qui che la radiomica pu\u00f2 giocare un ruolo cruciale. Tuttavia, la radiomica deve affrontare alcune sfide, in particolare legate alla riproducibilit\u00e0 e alla robustezza delle caratteristiche estratte, aspetti fondamentali per garantirne l\u2019applicabilit\u00e0 clinica. Questa tesi esplora l\u2019efficacia della radiomica nella distinzione tra diverse forme di parkinsonismi atipici e le loro varianti fenotipiche. Combinando analisi radiomica con algoritmi di apprendimento automatico supervisionato e non supervisionato, lo studio valuta l\u2019efficacia di questi approcci nel differenziare il morbo di Parkinson dall\u2019atrofia multisistemica, cos\u00ec come nel distinguere i fenotipi della paralisi sopranucleare progressiva. I risultati indicano che la radiomica, affiancata all\u2019apprendimento automatico, pu\u00f2 fornire un valido supporto alla classificazione, mostrando come le caratteristiche basate sulla texture siano pi\u00f9 efficaci rispetto a quelle statistiche di primo ordine per ottenere una differenziazione accurata. Inoltre, viene esaminata l\u2019ipotesi che la scelta del metodo di normalizzazione delle intensit\u00e0 nelle immagini di risonanza magnetica possa influenzare la ripetibilit\u00e0 delle caratteristiche radiomiche. Lo studio confronta tre tecniche di normalizzazione applicate a risonanze acquisite con lo stesso scanner e protocollo, osservando una variazione nella ripetibilit\u00e0 delle feature. Questa osservazione sottolinea l\u2019importanza di una standardizzazione metodologica nella pre-elaborazione delle immagini, fondamentale per la validit\u00e0 degli studi radiomici. In definitiva, questa ricerca evidenzia il potenziale della radiomica come strumento a supporto della diagnosi delle malattie neurodegenerative. Sebbene la risonanza magnetica convenzionale non sempre rilevi anomalie specifiche, e altre tecniche avanzate non siano sempre disponibili, l\u2019analisi radiomica offre un insieme di informazioni quantitative in grado di integrare le valutazioni cliniche qualitative.<\/div>\n

 <\/p>\n

\n\n