Modelli di Deep Learning per la classificazione di Immagini Ultrasoniche

Abstract

Il deep learning, secondo il paradigma dell’apprendimento automatico, si pone l’obiettivo di rappresentare un fenomeno (o una relazione input-output) a partire da un insieme di esempi. Le caratteristiche specifiche degli algoritmi di deep learning risiedono nel modellare questa relazione attraverso strutture “profonde”. Come conseguenza queste architetture richiedono l’identificazione di un numero alto di parametri, per i quali è necessaria una grande quantità di dati. A differenza di altri domini di applicazione, in ambito medico si hanno raramente a disposizione grandi quantità di dati e questo pone problemi specifici. In questa tesi affrontiamo l’applicazione del deep learning all’analisi di immagini ultrasoniche. Nello specifico il lavoro affronta tre obiettivi. Primo: studiare lo stato dell’arte riguardante sia l’uso del deep learning per la classificazione delle immagini ultrasoniche che la pubblica disponibilità di dataset. Secondo: confrontare specifiche reti neurali per classificare immagini relative a una specifica parte anatomica. Terzo: estendere l’indagine trasferendo tali modelli su un contesto più ampio, sempre riferito a dati ultrasonici, ma fatto di altre aree anatomiche e altri problemi. Lo scopo finale è introdurre delle pipeline che analizzano queste immagini, identificando dei piani di scansione standard o comunque fornendo supporto, mediante automatismi, all’indagine medica.

Deep learning, according to the machine learning paradigm, aims to represent a phenomenon (or an input-output relationship) from a set of examples. The specific characteristics of deep learning algorithms lie in modelling this relationship through 'deep' structures. Therefore, these architectures require the identification of a high number of parameters, for which a large amount of data is required. In contrast to other application domains, large amounts of data are rarely available in the medical field, and this poses specific problems. In this thesis, we address the application of deep learning to the analysis of ultrasound imaging. Specifically, this project addresses three goals. First: study the state of the art regarding both the use of deep learning to classify ultrasound images and the public availability of datasets. Second: compare some neural networks to classify images related to a specific anatomic area. Third: extend this work transferring these models to a wider context made of more problems and more areas. The final goal is to introduce some pipelines that process these images to find out some standard views or, more in general, to provide support for medical investigation through automation.