Risonanza magnetica, Pavia: esiti in 10 secondi con l'Intelligenza Artificiale
Presentato il progetto pilota sviluppato al Mondino da due dottorandi. Informazioni accurate sulle proprietà dei tessuti patologici in soli dieci secondi
Risonanza magnetica: a Pavia esiti in dieci secondi con l'Intelligenza Artificiale
"Un ottimo esempio di come funzionano bene le nostre Università e i nostri centri di ricerca". Lo afferma l'assessore regionale all'Università, ricerca e innovazione, Alessandro Fermi, commentando il progetto pilota presentato lunedì 22 maggio a Pavia che, grazie all'uso dell'intelligenza artificiale, consentirà di ottenere in pochi secondi, fino a un massimo di dieci, informazioni accurate sulle proprietà dei tessuti patologici. L'impiego sperimentale delle reti neurali per l'acquisizione delle immagini di risonanza magnetica è l'oggetto del progetto di ricerca sviluppato alla Fondazione IRCSS Mondino dal trentenne Leonardo Barzaghi e dalla ventiseienne Raffaella Fiamma Cabini, dottorandi del Centro 'BioData Science' dello stesso Mondino, coordinato dalla professoressa Silvia Figini.
L'assessore lombardo Fermi: "Grande risultato raggiunto da due giovani ricercatori"
Sono stati loro, già aureati in fisica a Pavia e Milano, a presentarlo in anteprima mondiale al 'CompMat Spring Workshop', l'evento dedicato alle nuove frontiere del machine learning. "Sono molto orgoglioso per il grande risultato che e' stato raggiunto da due giovani ricercatori lombardi. Grazie a questa innovazione - continua Fermi - verranno abbattuti i tempi necessari per ottenere immagini tramite la risonanza magnetica e questo permettera' di rendere l'esame piu' confortevole per i pazienti e di avere qualche risparmio per le strutture sanitarie. Aspetto dunque i ragazzi in Regione per complimentarmi con loro".
La ricerca attraverso algoritmi di machine learning e deep learning: immagini in pochi secondi con le reti neurali
Grazie a due borse di studio finanziate dal centro neurologico pavese di eccellenza, i due ricercatori hanno studiato lo sviluppo degli algoritmi di machine learning e deep learning per la previsione di biomarcatori quantitativi delle malattie dell'apparato muscolo-scheletrico. L'uso dei modelli piu' evoluti di intelligenza artificiale consente oggi di accelerare i tempi di acquisizione delle informazioni quantitative della patologia come, ad esempio, quelle relative alla quantita' dell'infiammazione, dell'atrofia e la percentuale di grasso. Grazie alle reti neurali si possono ottenere immagini in pochi secondi, abbattendo i tempi necessari con i metodi standard, quantificabili in ore.