Cascata di convolutional neural network per il contornamento dei polmoni e di noduli tumorali del polmone.

Con la digitalizzazione dei dati di diagnostica medica si stanno gradualmente e continuamente accumulando grandi quantità di informazioni. L'elaborazione manuale di questi dati richiede esperienza e in molti casi è a lungo termine; il carattere soggettivo delle operazioni richieste è inoltre difficilmente replicabile da parte di operatori diversi, in buona parte dei casi. Tra le attività di elaborazione, la segmentazione volumetrica di immagini tomografiche richiede tempi molto lunghi. Con l'aumento della potenza di calcolo dei PC e il contemporaneo sviluppo di algoritmi di Machine Learning basati su reti neurali convoluzionali, è ora possibile automatizzare questo processo. Si osservi inoltre che, al fine di ottenere un modello ad alte prestazioni, è necessario allenare la rete neurale usando dati precedentemente classificati da esperti. In questo lavoro si mostrerà la metodologia di allenamento di una cascata di reti convoluzionali basata sul pacchetto nnUNet scritto in PyTorch, per ottenere una segmentazione automatica. Verrà inoltre dimostrato come l'allenamento dipende dai dati di input e si proporranno approcci che in futuro possano migliorare le prestazioni della rete.