DeepTrace, spin-off della Scuola Universitaria Superiore IUSS di Pavia, parteciperà al prestigioso Congresso Italiano di Radiologia SIRM, che si terrà a Milano dal 20 al 23 giugno 2024, sia come espositore che come vendor di soluzioni avanzate di intelligenza artificiale applicate alla radiologia. Durante l'evento, verranno presentati quattro importanti lavori scientifici che evidenziano i nostri recenti progressi nella ricerca e nello sviluppo di tecnologie innovative per il supporto diagnostico in campo medico.
ePoster
UN SISTEMA DI SUPPORTO DECISIONALE BASATO SU MACHINE LEARNING APPLICATO A PARAMETRI CLINICI E STUDI CT TORACICI 3D PER RILEVARE E GESTIRE I PAZIENTI AFFETTI DA LONG-COVID-19
Autori: E. Schiavon, M. Alì, S. Ibba, D. Fazzini, S. Papa, AIPostCovid Consortium
Questo lavoro presenta un sistema avanzato di supporto decisionale che utilizza il machine learning per analizzare parametri clinici e studi CT toracici 3D, con l'obiettivo di identificare e gestire i pazienti affetti da long-COVID-19.
APPLICAZIONE DI UN ALGORITMO DI DL CON FUNZIONE DI COSTO OTTIMIZZATA PER LA CLASSIFICAZIONE DELLE CALCIFICAZIONI MALIGNE VERSUS BENIGNE IN MAMMOGRAFIA
Autori: M. Interlenghi, D. Fazzini, M. Bodini, V. Magni, S. Papa, F. Sardanelli
Questo studio esplora l'utilizzo di un algoritmo di deep learning con funzione di costo ottimizzata per migliorare la classificazione delle calcificazioni maligne rispetto a quelle benigne nelle mammografie.
Comunicazioni Orali
PRESTAZIONI DI UN SISTEMA DL INTEGRATO A PACS E UNITÀ MAMMOGRAFICHE VENDOR NEUTRAL PER CLASSIFICARE LA DENSITÀ MAMMARIA IN MAMMOGRAFIE E DBT SINTETICHE
Autori: C. Salvatore, D. Fazzini, M. Alì, S. Papa, F. Sardanelli, I. Castiglioni
Questo lavoro valuta le prestazioni di un sistema di deep learning integrato con PACS e unità mammografiche vendor neutral per la classificazione della densità mammaria in mammografie e tomosintesi digitale sintetica (DBT).
OTTIMIZZAZIONE DELLA SOGLIA DI PSA DENSITY TRAMITE SEGMENTAZIONE AUTOMATICA DEL VOLUME PROSTATICO PER LA PREVISIONE DI PCA CLINICAMENTE SIGNIFICATIVO
Autori: A. Venturi, A. Colarieti, M. Alì, D. Fazzini, S. Papa, F. Sardanelli
Questo studio propone un metodo di segmentazione automatica del volume prostatico per ottimizzare la soglia di PSA density, al fine di migliorare la previsione del carcinoma prostatico clinicamente significativo.
Siamo entusiasti di condividere gli ultimi sviluppi della nostra spin-off DeepTrace e di contribuire attivamente al dibattito scientifico con le nostre soluzioni all'avanguardia. Vi aspettiamo al Congresso SIRM 2024 per discutere insieme le potenzialità e le applicazioni della tecnologia AI in radiologia.
Per maggiori dettagli sull'evento, visitate il sito ufficiale del Congresso SIRM.