Metodi Bayesiani per l'analisi di immagini di risonanza magnetica nucleare nella diagnostica medica (Progetti)

Type
Label
  • Metodi Bayesiani per l'analisi di immagini di risonanza magnetica nucleare nella diagnostica medica (Progetti) (literal)
Anno
  • 2003-01-01T00:00:00+01:00 (literal)
Alternative label
  • P.Barone, G. Sebastiani (2003)
    Metodi Bayesiani per l'analisi di immagini di risonanza magnetica nucleare nella diagnostica medica
    (literal)
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#autori
  • P.Barone, G. Sebastiani (literal)
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#altreInformazioni
  • Una presentazione del prodotto si trova nel sito: http://www.iac.rm.cnr.it/~barone/nott1_file/frame.htm (literal)
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#note
  • Progetto CNR/MIUR legge 95/95 fondo 5%. Settore: Metodi e sistemi di supporto alle decisioni (literal)
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#affiliazioni
  • Istituto Applicazioni Calcolo, Roma (literal)
Titolo
  • Metodi Bayesiani per l'analisi di immagini di risonanza magnetica nucleare nella diagnostica medica (literal)
Descrizione sintetica
  • Col lavoro svolto nel periodo triennale del progetto si sono sviluppati nuovi metodi bayesiani per l'analisi di immagini dinamiche di risonanza magnetica (RM) per lo studio e la diagnosi di tumori della mammella. I metodi sono stati implementati realizzando il software ``Bandits'', che puo' essere utilizzato su PC/Windows senza altro software di calcolo scientifico. Il software e' stato usato ed apprezzato dai radiologi dell'unita' operativa dell'Istituto Regina Elena, coinvolti nella ricerca. Seppure i metodi siano stati specializzati alla RM per lo studio dei tumori della mammella, essi possono essere utilizzati, con modifiche di piccola o media entita', con immagini di diverso tipo (TAC) e/o per applicazioni diverse. Il software migliora la qualita' delle immagini riducendone le distorsioni causate dalle imperfezioni strumentali e dal movimento del paziente. Viene inoltre effettuata una sintesi dell'informazione contenuta nelle immagini della sequenza dinamica attraverso due sole immagini che rappresentano parametri di diretta interpretazione per il clinico. A partire da queste due immagini, e' poi possibile classificare i pixel dell'immagine in un numero di classi opportuno, che corrispondono ai diversi tessuti (es.: sano, tumorale benigno o maligno, necrotico) (literal)
Prodotto di
Autore CNR
Insieme di parole chiave

Incoming links:


Autore CNR di
Prodotto
Insieme di parole chiave di
data.CNR.it