Dalla formazione dell’immagine tradizionale all’intelligenza artificiale: Un viaggio attraverso le tecnologie TC

Abstract

L’elaborato esamina il percorso evolutivo delle tecnologie applicate alla tomografia computerizzata (TC), partendo dai sistemi di imaging tradizionali fino all’introduzione dell’intelligenza artificiale (IA). L’applicazione dell’IA nel campo medico, in particolare nella diagnostica per immagini, ha migliorato significativamente la qualità delle immagini TC, riducendo il rumore e gli artefatti e accelerando i processi diagnostici. Questo progresso tecnologico consente una migliore visualizzazione delle strutture anatomiche e delle patologie, aumentando l’efficienza delle procedure cliniche e riducendo i tempi di attesa per i pazienti. Inoltre, le nuove tecnologie permettono una personalizzazione più precisa dei trattamenti medici, con un’analisi più approfondita dei dati raccolti. Tuttavia, permangono sfide, tra cui la trasparenza degli algoritmi e l’eventuale introduzione di bias nei dati, che potrebbero influenzare negativamente i risultati diagnostici. La tesi analizza nel dettaglio le tecniche di ricostruzione delle immagini TC, inclusi algoritmi tradizionali come la retroproiezione filtrata e le ricostruzioni iterative, fino ai sistemi avanzati supportati dall’IA, come TrueFidelity. Quest’ultimo rappresenta un significativo avanzamento, offrendo immagini più nitide e riducendo al contempo l’esposizione alle radiazioni, garantendo diagnosi più accurate e sicure. Infine, vengono esplorati anche strumenti specifici, come Bone VCAR, utilizzati per l’automazione nella diagnosi della colonna vertebrale, e Hepatic VCAR, impiegato nell’analisi del fegato, oltre a Lung VCAR per la valutazione polmonare. Questi strumenti migliorano l’efficacia delle procedure cliniche, riducendo errori e tempi di analisi. L’implementazione dell’IA in questo campo pone le basi per un ulteriore sviluppo tecnologico.

The thesis examines the evolutionary path of technologies applied to computed tomography (CT), starting from traditional imaging systems up to the introduction of artificial intelligence (AI). The application of AI in the medical field, particularly in diagnostic imaging, has significantly improved the quality of CT images, reducing noise and artifacts and accelerating diagnostic processes. This technological progress allows for better visualization of anatomical structures and pathologies, increasing the efficiency of clinical procedures and reducing waiting times for patients. In addition, new technologies allow for more precise customization of medical treatments, with a more in-depth analysis of the collected data. However, challenges remain, including the transparency of algorithms and the possible introduction of biases in the data, which could negatively influence diagnostic results. The thesis analyzes in detail the techniques of reconstruction of CT images, including traditional algorithms such as filtered back projection and iterative reconstructions, up to advanced systems supported by AI, such as TrueFidelity. The latter represents a significant advancement, offering clearer images while reducing radiation exposure, ensuring more accurate and safe diagnoses. Finally, specific tools are also being explored, such as Bone VCAR, used for automation in spine diagnosis, and Hepatic VCAR, used in liver analysis, as well as Lung VCAR for lung assessment. These tools improve the effectiveness of clinical procedures, reducing errors and analysis times. The implementation of AI in this field lays the foundation for further technological development.