> FocusUnimore > numero 27 – giugno 2022
AIM3-CT – innovative algorithms for the reconstruction and improvement of TC images with low dose acquisitions
The interdisciplinary project FAR Mission Oriented “Artificial Intelligence-based Mathematical Models and Methods for low dose CT imaging – AIM3-CT” aims to propose innovative algorithms for the reconstruction and improvement of low dose CT images. Although X-ray Computed Tomography is a fundamental tool for non-invasive medical diagnosis, it entails the risk of absorption of the associated radiation dose. In fact, the community of academic researchers and the research and development departments of various industries in the field are making great efforts trying to reduce as much as possible the dose emitted for these examinations. The project draws on the experience gained over the years by researchers of the FIM Department within the research group OASIS (www.oasis.unimore.it) with the collaboration of international centres such as the Finnish Center of Excellence in Inverse Problems Research and the Numérique Vision Centre at CentraleSupeléc.
Da circa 50 anni la Tomografia Computerizzata (TC) a raggi X rappresenta uno strumento fondamentale per la diagnosi medica, essendo storicamente la prima metodica in grado di ottenere un’acquisizione non invasiva delle immagini della struttura interna di un oggetto. Lo svantaggio principale della TC è il rischio associato all’assorbimento della dose di radiazioni associata: per questo motivo la comunità delle ricercatrici e dei ricercatori accademici e i reparti di ricerca e sviluppo di diverse industrie del settore stanno facendo grossi sforzi con l’obiettivo di ridurre il più possibile la dose emessa per uno qualsiasi di questi esami. Esempi concreti di queste tendenze si possono trovare nelle richieste da parte dei governi ai produttori di questi dispositivi di utilizzare nuovi protocolli con dose più bassa, soprattutto nei pazienti pediatrici o nei pazienti che necessitano di ripetute scansioni per i controlli, come ad esempio nel caso dell’ortopedia post-operatoria. Un altro esempio, purtroppo molto attuale, in cui il dosaggio di raggi X necessita di essere monitorato riguarda la diagnosi di polmonite bilaterale nei pazienti affetti da Covid-19, che viene eseguita principalmente mediante TC polmonari ripetute più volte nell’arco di poche decine di giorni, per verificarne lo stato di guarigione.
Le strategie di riduzione dell’esposizione dei pazienti a queste radiazioni sono essenzialmente due: la prima, più naturale, è quella di diminuire l’energia associata alla radiazione emessa dalla sorgente del tomografo, rendendo di fatto il segnale misurato meno efficace. La seconda, invece, utilizza scansioni in un ristretto intervallo di angoli ed è impiegata per esaminare piccoli oggetti, come il seno o i polmoni, evitando quindi un’esposizione a 180 gradi come in una TC completa.
Il passaggio dalla radiazione misurata dagli scanner del tomografo all’immagine fornita al medico è un processo squisitamente matematico che rientra nell’ambito dei problemi inversi, ovvero quella classe di problemi in cui si vogliono inferire informazioni su oggetti o fenomeni non investigabili direttamente, a partire da effetti prodotti dagli oggetti o dai fenomeni stessi. Nel caso della tomografia, gli oggetti di studio sono ad esempio la forma di un organo interno o la presenza di eventuali masse indesiderate, mentre gli effetti sono l’assorbimento delle radiazioni emesse dalla sorgente del tomografo, in proporzioni diverse a seconda della tipologia dei tessuti, di cui rimane traccia nella radiazione misurata dai detector.
Il processo di ricostruzione del volume finale delle immagini viene ottenuto attraverso algoritmi numerici basati su modelli matematici complessi, e gioca un ruolo fondamentale nell’uso della TC come strumento per la diagnosi. La riduzione della dose e/o del numero di proiezioni, diminuendo anche le informazioni utilizzabili, incide negativamente sulla qualità delle immagini ricostruite e richiede nuovi algoritmi molto innovativi per ottenere immagini diagnostiche di buona qualità. Infatti, una gamma limitata di angoli di scansione può dare origine a artefatti geometrici e una scansione a basse dosi produce immagini con oggetti a basso contrasto e più difficilmente identificabili.
Il progetto interdisciplinare FAR Mission Oriented “Artificial Intelligence-based Mathematical Models and Methods for low dose CT imaging – AIM3-CT” si inserisce esattamente in questo contesto, con l’obiettivo di proporre algoritmi innovativi per la ricostruzione e il miglioramento di immagini TC con acquisizioni a bassa dose. Le parole chiave del progetto sono regolarizzazione, che è alla base della risoluzione di un qualsiasi problema inverso, poiché indirizza la ricerca della soluzione verso quella più significativa dal punto di vista fisico, ed ottimizzazione, che rappresenta lo strumento cruciale per risolvere concretamente i modelli matematici formulati in tempi compatibili con quelli di una diagnosi medica. Inoltre, grazie alla disponibilità di grandi insiemi di dati sul web, è possibile supportare gli approcci tradizionali con le più recenti tecniche di intelligenza artificiale, ed in particolare di machine learning. Questa combinazione di metodologie sta dando risultati più che soddisfacenti, fornendo potenti strumenti per regolare automaticamente i parametri dei modelli e degli algoritmi e migliorare la qualità delle immagini ricostruite.
Il progetto si avvale dell’esperienza maturata nel corso degli anni in entrambi questi ambiti dai ricercatori e ricercatrici del Dipartimento FIM all’interno del gruppo di ricerca OASIS (www.oasis.unimore.it), con la collaborazione di centri internazionali quali il Finnish Center of Excellence in Inverse Problems Research e il Centre de Vision Numérique a CentraleSupeléc.
Gli algoritmi ideati durante il progetto saranno sviluppati seguendo la filosofia della green AI e implementati almeno su base prototipale utilizzando set di dati disponibili in rete e dati reali forniti da aziende locali, per valutarne l’efficienza e la qualità, costituendo così il primo passo necessario per una successiva implementazione sui dispositivi medici.
“Fornire al medico immagini tomografiche chiare a partire da scansioni ridotte all’osso – commenta il Prof. Marco Prato, PI del progetto AIM3-CT – rappresenta una sfida in cui solo la matematica computazionale può giocare il ruolo di disciplina trainante. L’aspetto più affascinante della ricostruzione di immagini tomografiche, e più in generale dei problemi inversi, è che soluzioni totalmente inaccettabili sono in grado di spiegare perfettamente i dati misurati, ed è lì che la matematica deve essere in grado di indirizzare la ricerca nella strada che porta a una soluzione fisicamente significativa.”