Ricerc@Sapienza

La pandemia COVID-19 continua ad avere un effetto devastante sulla salute e sul benessere della popolazione globale. Un passo fondamentale nella lotta contro il COVID-19 è lo screening efficace dei pazienti infetti, e uno dei principali approcci di screening è l'esame radiologico con radiografia toracica. Nei primi studi è stato scoperto che i pazienti presentano anomalie nelle immagini radiografiche del torace che sono caratteristiche di quelli infetti da COVID-19. Motivati da questo e ispirati dai lavori open source della comunità di ricerca, in questo studio proponiamo una deep convolutional neaural network, un design di rete neurale su misura per il rilevamento di casi di COVID-19 da immagini radiografiche del torace (CXR e CT). Questo progetto potrebbe rappresentare un notevole passo avanti nella diagnostica per il rilevamento di COVID-19 da immagini radiologiche. Inoltre, indagheremo su come la rete faccia previsioni utilizzando metodi di spiegabilità nel tentativo non solo di ottenere una visione più approfondita dei fattori critici associati ai casi COVID-19, che può aiutare i medici a migliorare lo screening, ma anche di verificare la rete in modo responsabile e trasparente per convalidare che stia prendendo decisioni basate sulle informazioni rilevanti delle immagini radiologiche. L'obiettivo è che il modello venga sfruttato sia in ambito di ricerca che in ambito applicativo, in grado di accelerare lo sviluppo di soluzioni di deep learning altamente accurate ma pratiche per l'individuazione dei casi COVID-19 e per accelerare il trattamento di coloro che ne hanno più bisogno.