Multi organ semantic segmentation in CT scans

In the context of Medical image analysis, accurate automatic algorithms for the segmenta- tion of organs at risk have the potential of improving desease diagnosis and radiotherapy treatment planning. In this work we focus ourselves on CT Scan images obtained from patients under treatment and labeled by medics. We perform a series of experiments with CNNs analyzing also the transferability of features coming from models pretrained on other data sources. We compared also two approach in the context of multi-organ segmentation: the use of ensemble methods made out of multiple binary nets, and the creation of a single network for multi-organ segmentation.

Nel contesto dell'analisi di immagini mediche, algoritmi automatici ad accurati che perfor- mano la segmentazione degli organi a rischio hanno il potenziale di migliorare la diagnosi di malattie e il planning dei trattamenti di radioterapia. In questo elaborato ci siamo concentrati sulle immagini CT Scan ottenute da pazienti in corso di trattamento e anno- tate dai medici. Abbiamo eseguito una serie di esperimenti usando Reti convoluzionali, analizzando anche la possibilità di trasferire features da modelli pre-allenati su altre basi di dati. Abbiamo paragonato anche due approcci nel contesto della segmentazione multi- organo: l'uso di metodi ensemble costituiti da varie reti binarie, e la creazione di una singola rete in grado di segmentare multipli organi.