AFFILIAZIONE
università degli studi di catanzaro “magna graecia”
AUTORE PRINCIPALE
Dott. Ing. Giuliani Aldo
login avvenuto
GRUPPO DI LAVORO
Professore Zaffino Paolo università degli studi di catanzaro “magna graecia”
AREA TEMATICA
ABSTRACT
Materiali e Metodi: Il workflow implementato si basa su Docker per l’incapsulamento dell’ambiente di elaborazione. Essendo questo un lavoro in fase prototipale sono stati integrati, ad oggi, solo gli strumenti principali per l’elaborazione e l’analisi di immagini mediche. L’immagine medica può essere trasmessa dalla console clinica al container grazie alla presenza, all’interno del container, di un server DICOM open source (Orthanc). Una volta ricevuta l’immagine essa viene convertita in un formato non dicom grazie al software open source Plastimatch e successivamente segmentata automaticamente da TotalSegmentator, un software basato su AI che è rapidamente diventato uno standard nel campo della ricerca. Le segmentazioni che si possono ottenere, in modo completamente automatico, sono quelle di 117 strutture anatomiche in immagini TC e 50 in immagini MR. Una volta ottenute i contorni questi possono essere inviati nuovamente alla console clinica con eventuale valutazione volumetrica delle stesse.
Risultati: Ad oggi, l’approccio basato su container ha dimostrato in fase di test di essere riproducibile, portabile, e totalmente automatizzato. L’uso di Docker ha permesso di ottenere un ambiente di elaborazione consistente su diverse piattaforme, facilitando la condivisione e l’esecuzione del software su sistemi operativi diversi, senza il rischio di generare conflitti con altri software installati al suo interno. Il tempo necessario per il processamento delle immagini dipende dalle risorse hardware della macchina sulla quale il container è eseguito ma rimane comunque compatibile con le tempistiche cliniche.
Conclusioni: Sebbene sia un progetto in fase prototipale, questo approccio ottimizza i flussi di lavoro all’interno di un reparto di radiologia o radioterapia. L’incapsulamento degli ambienti di elaborazione in container standardizzati elimina le problematiche di compatibilità e dipendenza, consentendo l’esecuzione uniforme delle analisi su diverse piattaforme. Nelle prossime versioni di tale container verranno estesi i tool AI-based che potranno essere utilizzati per processare l’immagine medica ricevuta.
