{"id":288,"date":"2019-11-22T08:43:24","date_gmt":"2019-11-22T07:43:24","guid":{"rendered":"http:\/\/andreaforneris.com\/web\/?p=288"},"modified":"2019-11-22T08:44:09","modified_gmt":"2019-11-22T07:44:09","slug":"il-deep-learning-in-radiologia","status":"publish","type":"post","link":"https:\/\/andreaforneris.com\/web\/il-deep-learning-in-radiologia\/","title":{"rendered":"Il Deep Learning in Radiologia"},"content":{"rendered":"\n

Il Deep Learning<\/strong> (che si potrebbe tradurre in ” Apprendimento profondo”) \u00e9 una tecnologia che fa parte delle metodiche di analisi dei dati  tipiche del Machine Learning<\/strong> (cio\u00e9 insegnare alle macchine) che a sua volta \u00e9 parte del campo  dell’intelligenza artificiale. Seppur conosciuta dagli anni 50, solo recentemente ha potuto sfruttare le reti neurali e le elevate capacit\u00e0 di calcolo dei nuovi computer per eseguire tutta la serie di operazioni necessarie per apprendere a riconoscere determinate caratteristiche di un insieme di dati (che nel nostro  sono le immagini quindi l’insieme dei pixel o voxel) . Per renderci conto della portata dell’argomento abbiamo 300 articoli pubblicati nel 2013 e pi\u00f9 di 4000 nel 2019. Queste caratteristiche vengono chiamati “patterns” e possono essere riconosciuti dalla macchina anche senza la volont\u00e0 diretta della parte “umana” che organizza e gestisce l’algoritmo.
Solitamente il Deep Learning<\/strong> viene utilizzato per automatizzare la segmentazione di tessuti anatomici (ed esempio il software Free Surfer https:\/\/surfer.nmr.mgh.harvard.edu\/) e per individuare automaticamente le patologie catalogandole come tali. E’ stato anche utilizzato per esempio per generare delle immagini simil-TC partendo dal dataset dati di una Pet-Rm.<\/p>\n\n\n\n

Ma come funziona la procedura?Innanzitutto deve essere definito l’algoritmo che sar\u00e0 alla base del calcolo automatizzato, solitamente non conosciuto agli operatori anche a causa dell’estrema complessit\u00e0 .  A grandi linee il processo \u00e9 inizialmente caratterizzato da un periodo di apprendimento della macchina, compiuto direttamente dall’uomo, per indicare quali sono i processi da seguire. In questa fase si utilizzano delle categorizzazioni (“Label”) per indicare il tipo di informatione contenuta, per esempio presenza di tumore o  assenza di tumore o ancora tumore benigno o tumore maligno.  La macchina raccoglie quindi autonomamente le informazioni che le servono dall’immagine sapendo che si tratta di un cado (patologico) o dell’altro, e successivamente questi processi diventano  automatizzati e i calcoli produrranno risultati automatici. In sostanza insegnamo alla macchina come imparare e lei imparer\u00e0 autonomamente, anche se non sappiamo bene quale siano i criteri decisionali che la portano a fare determinate scelte.<\/p>\n\n\n\n

Tra i limiti attuali ci sono le disomogeneit\u00e0 della grossa quantit\u00e0 di dati che abbiamo a disposizione, che sono acquisiti spesso a macrogruppi con macchine differenti, tecniche differenti e livelli di rumore e CNR differenti.
Anche il fatto che il processo a scatola chiusa che esegue in automatico  l’algoritmo puo’ porre problemi sulla reale fedelt\u00e0 dei risultati.E per ultimo l’aspetto etico che \u00e9 sempre presente (vista la necessit\u00e0 di utilizzare molti dati di veri pazienti anche solo per la fase di apprendimento del software e, come per tutte le novit\u00e0 tecnologiche, potrebbero esserci aspetti da considerare che non sono ancora conosciuti.\n\n<\/p>\n\n\n\n

LETTURE INTERESSANTI<\/p>

Deep learning with convolutional neural network in radiology<\/a><\/p>

Deep Learning for Brain MRI Segmentation: State of the Art and Future Directions<\/a><\/p><\/blockquote>\n\n\n\n

\"Ricerca<\/a>
Ricerca questo argomento su PubMed<\/figcaption><\/figure>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Il Deep Learning (che si potrebbe tradurre in ” Apprendimento profondo”) \u00e9 una tecnologia che fa parte delle metodiche di analisi dei dati  tipiche del Machine Learning (cio\u00e9 insegnare alle macchine) che a sua volta \u00e9 parte del campo  dell’intelligenza artificiale. Seppur conosciuta dagli anni 50, solo recentemente ha potuto sfruttare le reti neurali e…<\/p>\n","protected":false},"author":1,"featured_media":289,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[101],"tags":[],"_links":{"self":[{"href":"https:\/\/andreaforneris.com\/web\/wp-json\/wp\/v2\/posts\/288"}],"collection":[{"href":"https:\/\/andreaforneris.com\/web\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/andreaforneris.com\/web\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/andreaforneris.com\/web\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/andreaforneris.com\/web\/wp-json\/wp\/v2\/comments?post=288"}],"version-history":[{"count":2,"href":"https:\/\/andreaforneris.com\/web\/wp-json\/wp\/v2\/posts\/288\/revisions"}],"predecessor-version":[{"id":292,"href":"https:\/\/andreaforneris.com\/web\/wp-json\/wp\/v2\/posts\/288\/revisions\/292"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/andreaforneris.com\/web\/wp-json\/wp\/v2\/media\/289"}],"wp:attachment":[{"href":"https:\/\/andreaforneris.com\/web\/wp-json\/wp\/v2\/media?parent=288"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/andreaforneris.com\/web\/wp-json\/wp\/v2\/categories?post=288"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/andreaforneris.com\/web\/wp-json\/wp\/v2\/tags?post=288"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}