Ricercatori del Massachusetts Institute of Technology hanno ideato un modello che utilizza il machine learning per leggere al meglio le scansioni di un cervello e individuarne le strutture anatomiche.
In sostanza, il sistema genera automaticamente dati per il processo di segmentazione della scansione, il che rende più semplice la suddivisione dell’immagine in regioni formate da pixels, più semplici da analizzare e ricche di significato.
Il tutto è possibile grazie a un Convolutional Neural Network (CNN), machine learning in grado di analizzare molte scansioni provenienti da vari pazienti e varie attrezzature per discriminare tra differenze anatomiche, di luminosità e di contrasto.
Quanto appreso viene quindi applicato a una scansione con etichetta per creare nuove scansioni che sono insieme realistiche ed etichettate.
Queste nuove scansioni vengono poi inserite in una nuova CNN che impara quindi come segmentare una nuova immagine, come la scansione di un dato paziente.
La complessità del processo è necessaria per tentare di utilizzare lo strumento anche in presenza di poche informazioni, come quando si ha a che fare con i bambini.
Lo studio è stato presentato durante la Conference on Computer Vision and Pattern Recognition, che si è tenuta dal 16 al 20 giugno a Long Beach (California).
Stefania Somaré
