Segmentation of the thoracolumbar fascia in ultrasound imaging: a deep learning approach

Autori: Lorenza Bonaldi, Carmelo Pirri, Federico Giordani , Chiara Giulia Fontanella, Carla Stecco, Francesca Uccheddu

Keywords

Segmentation, Deep learning, Deep fascia, Thoracolumbar, Low back pain.

Sommario

Solo negli ultimi anni è stato dimostrato che la fascia toracolombare è coinvolta nella lombalgia (LBP), evidenziandone così le implicazioni terapeutiche. Inoltre, un metodo facilmente accessibile e non invasivo per esaminare la fascia in tempo reale è l’ecografia, che, per essere affidabile, deve superare le difficoltà legate alla configurazione dell’apparecchio e all’esperienza dell’operatore. Pertanto, la mancanza
di una chiara comprensione del sistema fasciale, unita alle difficoltà legate all’impostazione dell’acquisizione ecografica, ha generato una lacuna che rende difficile la sua valutazione efficace durante la routine clinica. Lo scopo del presente lavoro è colmare questa lacuna studiando l’efficacia dell’utilizzo di un approccio di deep learning per segmentare la fascia toracolombare dalle immagini ecografiche.
Sono state infine utilizzate 538 immagini ecografiche della fascia toracolombare di soggetti affetti da lombalgia per addestrare e testare una rete di deep learning. È stato raccolto un ulteriore set di test (il cosiddetto Set di test 2) proveniente da un altro centro, operatore, produttore di apparecchiature, coorte di pazienti e protocollo, al fine di migliorare la generalizzabilità dello studio.
È stato dimostrato che un’architettura basata su U-Net è in grado di segmentare queste strutture con un’accuratezza finale di addestramento pari a 0,99 e un’accuratezza di validazione pari a 0,91.

Per maggiori dettagli, ecco il link per accedere alla pubblicazione.