ESIUCLM
CasalaureatiFilmato | Miglior TFG - Identificazione del cancro al seno

Filmato | Miglior TFG - Identificazione del cancro al seno

Elena Ruiz presenta il suo progetto finale alla Ciudad Real Higher School of Computer Science, UCLM

Filmato | Miglior TFG - Identificazione del cancro al seno

Il lavoro intitolato: “Colorazione digitale in immagini microscopiche multispettrali. Applicazione all'identificazione del cancro al seno”, sviluppato da Elena María Ruiz Izquierdo e diretto da Jesús Salido Terzo e María Gloria Bueno García”, è stato uno dei progetti di fine studi (TFE) premiati nella 2a edizione della Máquina de Turing. Puoi vedere un riassunto del lavoro attraverso il seguente video:

sintesi:

L'intelligenza artificiale è una tecnologia che è stata gradualmente incorporata nelle nostre vite. In particolare, Computer Vision si distingue per il suo utilizzo in vari campi come: sicurezza, navigazione automatica, medicina, ecc. In questo modo è diventata una delle discipline in ascesa del momento. L'applicazione di questa tecnologia nel campo della medicina ha facilitato grandi progressi, assistendo nella diagnosi e nell'analisi delle malattie, abbassando i costi e razionalizzando i processi.

Lo scopo di questo progetto è la classificazione di immagini multispettrali di biopsie di tessuto mammario con l'ausilio di reti neurali convoluzionali che consentono di rilevare il tessuto tumorale e discriminare campioni tumorali da campioni non tumorali. Per questo sono state utilizzate immagini multispettrali di campioni istologici completi di tessuto mammario, acquisite in un intervallo da 425 nm a 697 nm in un intervallo di 4 nm, per un totale di 69 lunghezze d'onda. Con questi campioni è possibile identificare e caratterizzare la mappa dell'area tumorale e dei suoi diversi tessuti. Per il confronto sono state utilizzate immagini di preparati o campioni istologici non colorati e colorati con biomarcatori.

Le immagini dei campioni senza colorazione sono state acquisite a diverse lunghezze d'onda con un microscopio ottico disponibile con fotocamera iperspettrale. Per questo motivo è stata effettuata un'analisi per determinare se forniscono informazioni aggiuntive rispetto a quelle ottenute con le immagini acquisite con le comuni telecamere e, inoltre, se è possibile classificare tali immagini in tessuto maligno e benigno. Di conseguenza, viene presentato il confronto tra i modelli di classificazione implementati con le immagini multispettrali, per concludere quale di essi ottiene prestazioni più elevate con un tasso di successo più vicino al modello di classificazione delle immagini dei preparati colorati.

La creazione di un classificatore di immagini di tessuto senza colorazione con alcun biomarcatore eliminerà la variabilità derivata dalla preparazione e dall'interpretazione dei campioni, evitandone anche l'alto costo. Al fine di convalidare successivamente queste tecniche con l'attuale metodologia basata su campioni colorati, sono stati implementati diversi metodi di colorazione digitale applicando tecniche di deep learning. La modellizzazione di questi dati consentirà inoltre di progredire nell'analisi delle interazioni strutturali a livello cellulare e tissutale.

Condividi con:
Valuta questo articolo