Bando 2024 del Collegio Ingegneri Venezia per l’assegnazione di tre Premi di Laurea:
Automated analysis of corneal images for early diagnoses and large scale screening in ophthalmology
- Autore: Ing. Alessia Colonna
- Relatore: prof. Fabio Scarpa - Università degli Studi di Padova
- Considerazioni generali valutative:
L'argomento trattato nella tesi riguarda l'analisi automatizzata di immagini corneali mediante tecniche avanzate di intelligenza artificiale, con particolare attenzione alle immagini del plesso sub-basale della cornea acquisite tramite microscopia confocale in vivo (IVCM). L'obiettivo principale è migliorare la diagnosi e il monitoraggio di malattie oculari e sistemiche attraverso l'estrazione di parametri morfologici clinicamente rilevanti.
Il lavoro si concentra sull'implementazione di metodi basati su reti neurali convoluzionali (CNN) per segmentare e analizzare strutture corneali come fibre nervose e cellule dendritiche, superando le limitazioni dei metodi manuali e semi-automatici. Vengono sviluppati nuovi algoritmi per migliorare la qualità delle immagini, rilevare strutture chiave e stimare parametri diagnostici, inclusa la tortuosità nervosa, utilizzando approcci innovativi come la geometria frattale.
La tesi esplora inoltre l'applicazione clinica dell'approccio proposto, analizzando immagini multiple o mosaici corneali per migliorare la rappresentatività e rilevare patologie in stadi precoci. Infine, vengono approfondite le implicazioni per condizioni specifiche, come neuropatie e interventi chirurgici, dimostrando l'efficacia del metodo nello sviluppo di strumenti diagnostici rapidi e precisi.
La tesi propone una soluzione applicabile sia in contesti clinici che di ricerca, dimostrando un potenziale pratico concreto per migliorare la diagnosi e il monitoraggio di malattie oculari e sistemiche. Gli algoritmi sviluppati e testati, così come i metodi per l'analisi delle immagini, appaiono facilmente integrabili nella pratica medica.
L’applicazione di tecniche di intelligenza artificiale per l'analisi del plesso sub-basale corneale è originale, con risultati che migliorano significativamente la velocità e l’accuratezza diagnostica rispetto ai metodi tradizionali. La proposta di nuovi indici diagnostici e l’utilizzo della geometria frattale rafforzano l'innovatività.
Il progetto contribuisce a migliorare la diagnosi precoce e il trattamento di malattie sia oculari che sistemiche e aderisce ai criteri di ricerca e innovazione specifici del Premio.
La metodologia è rigorosa e ben documentata, includendo l'uso di tecniche avanzate di segmentazione e analisi basate su reti neurali. Le valutazioni e i confronti con metodi manuali dimostrano una solida validazione scientifica. La descrizione dei processi è dettagliata e ben strutturata.
La tesi combina intelligenza artificiale, imaging medico, oftalmologia e scienze cliniche, dimostrando un approccio altamente multidisciplinare. Tuttavia, l'integrazione con altre discipline, come l'epidemiologia o l'economia sanitaria, potrebbe essere ulteriormente sviluppata.
Non emergono riferimenti specifici a problematiche locali, né all'impatto diretto sul territorio.
PREMIO DI LAUREA INGEGNERI ECCELLENTI: TESI VINCITRICE PER LA CATEGORIA INGEGNERIA DELL’INFORMAZIONE - DOTTORATO DI RICERCA:
Automated analysis of corneal images for early diagnoses and large scale screening in ophthalmology
- Autore: Ing. Alessia Colonna
- Relatore: prof. Fabio Scarpa - Università degli Studi di Padova
- Considerazioni generali valutative:
L'argomento trattato nella tesi riguarda l'analisi automatizzata di immagini corneali mediante tecniche avanzate di intelligenza artificiale, con particolare attenzione alle immagini del plesso sub-basale della cornea acquisite tramite microscopia confocale in vivo (IVCM). L'obiettivo principale è migliorare la diagnosi e il monitoraggio di malattie oculari e sistemiche attraverso l'estrazione di parametri morfologici clinicamente rilevanti.
Il lavoro si concentra sull'implementazione di metodi basati su reti neurali convoluzionali (CNN) per segmentare e analizzare strutture corneali come fibre nervose e cellule dendritiche, superando le limitazioni dei metodi manuali e semi-automatici. Vengono sviluppati nuovi algoritmi per migliorare la qualità delle immagini, rilevare strutture chiave e stimare parametri diagnostici, inclusa la tortuosità nervosa, utilizzando approcci innovativi come la geometria frattale.
La tesi esplora inoltre l'applicazione clinica dell'approccio proposto, analizzando immagini multiple o mosaici corneali per migliorare la rappresentatività e rilevare patologie in stadi precoci. Infine, vengono approfondite le implicazioni per condizioni specifiche, come neuropatie e interventi chirurgici, dimostrando l'efficacia del metodo nello sviluppo di strumenti diagnostici rapidi e precisi.
La tesi propone una soluzione applicabile sia in contesti clinici che di ricerca, dimostrando un potenziale pratico concreto per migliorare la diagnosi e il monitoraggio di malattie oculari e sistemiche. Gli algoritmi sviluppati e testati, così come i metodi per l'analisi delle immagini, appaiono facilmente integrabili nella pratica medica.
L’applicazione di tecniche di intelligenza artificiale per l'analisi del plesso sub-basale corneale è originale, con risultati che migliorano significativamente la velocità e l’accuratezza diagnostica rispetto ai metodi tradizionali. La proposta di nuovi indici diagnostici e l’utilizzo della geometria frattale rafforzano l'innovatività.
Il progetto contribuisce a migliorare la diagnosi precoce e il trattamento di malattie sia oculari che sistemiche e aderisce ai criteri di ricerca e innovazione specifici del Premio.
La metodologia è rigorosa e ben documentata, includendo l'uso di tecniche avanzate di segmentazione e analisi basate su reti neurali. Le valutazioni e i confronti con metodi manuali dimostrano una solida validazione scientifica. La descrizione dei processi è dettagliata e ben strutturata.
La tesi combina intelligenza artificiale, imaging medico, oftalmologia e scienze cliniche, dimostrando un approccio altamente multidisciplinare. Tuttavia, l'integrazione con altre discipline, come l'epidemiologia o l'economia sanitaria, potrebbe essere ulteriormente sviluppata.
Non emergono riferimenti specifici a problematiche locali, né all'impatto diretto sul territorio.
