Radiograph D.L.: come funziona il mio modello di intelligenza artificiale per le immagini

Radiograph D.L.: un’architettura di intelligenza artificiale per elaborare e interpretare le immagini radiologiche

Una radiografia contiene informazioni che devono essere lette nel loro contesto: distribuzione delle intensità, strutture anatomiche, qualità dell’acquisizione e dati disponibili sul paziente. Applicare l’intelligenza artificiale a queste immagini significa progettare un percorso che trasformi i pixel in rappresentazioni utili, mantenendo visibili i passaggi e i limiti dell’analisi.

Radiograph D.L., il mio progetto di tesi magistrale, esplora questo percorso attraverso un’architettura che combina reti neurali, elaborazione delle immagini e fusione di informazioni. La componente originale della proposta è AFMF, Asymmetric Focus Module Filter: un modulo che rielabora le mappe di attenzione prodotte dai modelli per costruire una rappresentazione delle aree maggiormente coinvolte nella classificazione.

Dall’immagine ai dati elaborabili

Il primo passaggio riguarda la preparazione dell’immagine. Nel progetto sono previste operazioni configurabili di conversione in scala di grigi, attenuazione del rumore, normalizzazione delle intensità e miglioramento del contrasto locale attraverso CLAHE.

La normalizzazione riporta i valori dei pixel entro un intervallo comune; CLAHE interviene sul contrasto nelle diverse regioni dell’immagine, limitandone l’amplificazione. Queste operazioni aiutano a rendere più uniforme l’ingresso dei modelli, ma devono essere valutate sperimentalmente: modificare il contrasto non equivale automaticamente a migliorare l’informazione disponibile.

L’architettura visiva: ResNet e Vision Transformer

Radiograph D.L. utilizza tre componenti per estrarre caratteristiche visive: ResNet18, ResNet101 e Vision Transformer.

Le due reti ResNet producono rappresentazioni a differenti livelli di profondità. Il Vision Transformer suddivide invece l’immagine in porzioni e utilizza meccanismi di attenzione per costruire relazioni tra queste parti.

Le caratteristiche estratte vengono riunite in un vettore visivo di 3.328 componenti. Il sistema combina così rappresentazioni ottenute con approcci diversi, da utilizzare nella successiva classificazione.

Il ruolo del filtro AFMF

Accanto alle caratteristiche visive, il progetto elabora mappe Grad-CAM, che evidenziano le regioni associate alla risposta dei modelli. AFMF combina le mappe provenienti dalle due ResNet mediante un parametro di ponderazione:

M = (1 − λ) · M18 + λ · M101

M18 e M101 indicano le due mappe; λ regola il loro contributo alla mappa risultante.

Il filtro applica poi soglie, selezione dei punti di maggiore attivazione, maschere spaziali asimmetriche e informazioni sui bordi. Il percorso comprende fasi di focalizzazione, combinazione e affinamento, con l’obiettivo di organizzare la distribuzione dell’attenzione.

Le aree colorate rappresentano attivazioni del modello: non sono misure di temperatura e non identificano, da sole, una lesione. La loro utilità consiste nel rendere ispezionabile una parte del comportamento del sistema.

Integrare immagini, testo e informazioni tecniche

L’architettura prevede tre domini informativi: caratteristiche visive, metadati tecnici DICOM e informazioni testuali elaborate con BERT.

Quando disponibili, questi contributi vengono concatenati insieme a descrittori ricavati dalle mappe AFMF. Nel prototipo, il vettore risultante alimenta un classificatore basato su regressione logistica, con calibrazione delle probabilità.

È una struttura multimodale predisposta a utilizzare più fonti. Il beneficio effettivo dei canali testuali e tecnici deve però essere verificato su dati che contengano realmente tali informazioni: la loro presenza nell’architettura non dimostra, da sola, un miglioramento delle prestazioni.

I risultati della sperimentazione

La tesi riporta, per il compito di classificazione binaria analizzato, un’accuratezza di circa il 90%, una precisione dell’87,8%, un richiamo del 93,5%, un F1-score del 90,6% e una ROC-AUC di circa 0,965.

La matrice di confusione descrive 144 classificazioni corrette su 159 campioni. Il richiamo indica la quota di casi positivi riconosciuti; la precisione indica quanti dei casi classificati come positivi lo sono effettivamente.

Sono risultati sperimentali promettenti nel contesto considerato. Non dimostrano una superiorità generale rispetto a sistemi valutati su dataset o compiti differenti, né costituiscono una validazione clinica.

Una proposta da sviluppare e verificare

Radiograph D.L. propone un percorso che collega preparazione delle immagini, estrazione delle caratteristiche, rielaborazione delle mappe di attenzione e classificazione.

Il passo successivo è verificarne il contributo attraverso confronti sullo stesso insieme di dati, prove con e senza AFMF e valutazioni su campioni esterni. L’obiettivo è comprendere quando questa architettura migliora l’elaborazione e quanto siano affidabili i risultati, mantenendo distinta la sperimentazione informatica dall’impiego clinico.