Studio della stabilità delle feature radiomiche nella classificazione del grado dei gliomi.

La radiomica è un importante strumento nel campo dell'analisi delle immagini mediche. In questo lavoro viene analizzata l'influenza che la normalizzazione delle immagini di risonanza magnetica (MRI) e l'ottimizzazione dei parametri di estrazione delle features (bin count) hanno sulle performance degli algoritmi predittivi del grado dei gliomi. Sono stati utilizzati due dataset, disponibili su The Cancer Imaging Archive, contenenti MRI cerebrali multiparametriche riguardanti pazienti affetti da glioma, classificato, in base al grado, in Low e High Grade Glioma. Le immagini sono state normalizzate considerando diversi metodi e le feature, estratte dalle segmentazioni del tumore, sono state calcolate al variare del bin count. La classificazione del grado del glioma è stata fatta utilizzando una Random Forest che prende in input le feature estratte. Le performance, valutate in Cross-Validazione $k$-fold, sono state studiate per diversi gruppi di feature al variare della normalizzazione e del bin count. I risultati preliminari indicano che, normalizzando le immagini rispetto all'intensità del tronco encefalico, il grado del glioma si riesce a determinare con ${AUC}=0.92\pm 0.04$.