Gennaro PERCANNELLA | Progetti

ALGORITMI E METODI PER LA ANALISI DI IMMAGINI IN IMMUNOFLUORESCENZA INDIRETTA

Il presente progetto di ricerca intende proseguire e rafforzare l'esperienza maturata dal gruppo di ricerca negli ultimi anni nel settore della analisi delle immagini in immunofluorescenza oltrechè porsi come naturale prosecuzione del progetto finanziato con gli stessi fondi lo scorso anno. Nell'ambito di precedenti progetti di ricerca il gruppo di ricerca ha già maturato delle esperienze nella analisi delle immagini in immunofluorescenza conseguendo degli interessanti risultati applicativi. Tra i principali risultati si evidenziano: - la definizione e la realizzazione di tecniche per la classificazione automatica delle cellule mediante l'impiego di classificatori dotati di opzione di rigetto, con l'obiettivo di effettuare la classificazione del vetrino usando solo la informazione derivante dalle cellule riconosciute con elevata affidabilità sfruttando il fatto che all'interno di un vetrino tipicamente vi sono diverse decine di cellule dello stesso pattern; - la definizione di un metodo per la individuazione delle cellule in mitosi che riveste una grande importanza per due ragioni: la prima è legata al processo di automazione di preparazione del vetrino; infatti un vetrino è diagnosticamente valido se in esso è presente almeno una cellula in mitosi; in secondo luogo il tipo di cellula in mitosi (mitosi positiva o negativa) solitamente si associa a specifici pattern e quindi può essere usata per rafforzare le ipotesi di classificazione realizzate a partire dalla analisi delle cellule (non in mitosi).Le attività che saranno portate avanti nel presente progetto di ricerca sono di seguito riportate:- riconoscimento della classe di intensità della immagine: l'obiettivo di questa attività consiste nel classificare l'intensità della fluorescenza della immagine in tre classi, negativa, intermedia o positiva. Tale informazione è di cruciale importanza in quanto la decisione del medico di approfondire l'indagine dipende dal responso di tale fase; a tal fine si utilizzeranno tecniche di image processing finalizzate a migliorare il contrasto della immagine ed evidenziare le strutture principali in essa presenti; inoltre si adotteranno tecniche multi-classificazione al fine di migliorare le prestazioni complessive; - riconoscimento del pattern predominante delle cellule presenti nella immagine: questa è la fasi finale del processo diagnostico in cui il medico riconoscendo il pattern esprime una diagnosi o richiede approfondimenti con ulteriori altre indagini; per realizzare tale task si utilizzeranno tecniche di analisi e classificazione che negli ultimi anni si sono affermate nell'ambito della visione artificiale e della classificazione, quali Local Binary Patterns e relative derivazioni (RI-LBP, CoALBP, ...), Bag of visual Words, ecc.Nel primo anno di attività progettuali sono state affrontate le seguenti problematiche:- studio dello stato dell'arte finalizzato ad individuare le tecniche esistenti sia con riferimento al problema specifico della analisi di immagini in immunofluorescenza che con riferimento a tematiche affini;- definizione ed implementazione di tecniche per il riconoscimento della classe di intensità della immagine e del pattern predominante in essa presente;Nel corrente progetto di ricerca ci si focalizzerà sui seguenti aspetti:- valutazione delle prestazioni dei sistemi realizzati attraverso la loro applicazione su immagini reali e attraverso il confronto degli algoritmi implementati con i migliori algoritmi presenti in letteratura; per tale valutazione ci si potrà avvalere della collaborazione di componenti mediche esperte nei settori delle malattie autoimmuni;- analisi degli algoritmi implementati alla luce della valutazione delle prestazioni, con individuazione e realizzazione di possibili ottimizzazioni delle prestazioni.