La segmentazione delle immagini consiste nel creare delle regioni di interesse (ROI) o volumi di interesse (VOI), che include quelle parti di un’immagine che appartengono alla stessa classe o allo stesso oggetto. La ROI/VOI coincide spesso con una massa tumorale o un nodulo che si vuole analizzare, ma può anche rappresentare un tessuto o un organo.
Esistono diversi metodi di segmentazione, ciascuno con i propri vantaggi e limitazioni. In base al livello di intervento umano, possono essere classificati come manuali, semi-automatici e automatici. Attualmente, diverse soluzioni software open source e proprietarie permettono la segmentazione automatica o semi-automatica, tra le più popolari si annoverano 3D Slicer, MITK, ITK-SNAP, LifEx e ImageJ.
- Manuale. Nella segmentazione manuale un operatore umano traccia manualmente la ROI attorno all’oggetto che si vuole analizzare. Questa è l’opzione più semplice ma anche la più dispendiosa in termini di tempo, ed è tipicamente utilizzata per piccoli dataset. La sua altra principale limitazione risiede nella frequente assenza di protocolli di segmentazione standardizzati, con elevate variabilità intra- e inter-operatore.
Semi-automatica. La segmentazione semi-automatica tipicamente prevede un programma che segmenta le immagini basandosi su parametri predefiniti, dopo di che un operatore umano effettua verifiche e aggiustamenti manuali sulla ROI generata dal computer. Le tecniche di segmentazione semi-automatica includono thresholding, rilevamento dei contorni e segmentazione basata su regioni. Le tecniche di thresholding classificano i pixel in base ai loro valori di intensità; sono semplici e veloci, ma possono avere difficoltà con immagini a basso contrasto. I metodi di rilevamento dei contorni identificano i confini all’interno di un’immagine, fornendo una chiara delimitazione delle strutture, anche se possono essere più sensibili al rumore. La segmentazione basata su regioni raggruppa pixel vicini con proprietà simili, generando regioni più omogenee, ma rischiando di perdere dettagli fini. Gli algoritmi di clustering, come il clustering k-means o gerarchico, raggruppano i pixel in cluster distinti in base ai loro attributi.
Automatica. Le reti neurali profonde (Deep Learning) sono strumenti estremamente potenti per effettuare segmentazioni automatiche. L’architettura encoder-decoder è stata una delle prime applicazioni delle reti neurali convoluzionali e viene comunemente utilizzata per compiti di segmentazione: l’encoder riduce la risoluzione dell’immagine attraverso strati convoluzionali, mentre il decoder la ricostruisce progressivamente con delle mappe di features.
U-Net: la U-Net, impiega un design simmetrico a forma di U che prevede connessioni a “salto” per facilitare l’upsampling. Questo modello è tipicamente utilizzato per la segmentazione semantica, in cui classifica ogni pixel di un’immagine in una categoria senza differenziare tra singole istanze dello stesso tipo di oggetto. È comune nell’imaging medico (ad esempio, per segmentare organi o tumori) in cui è necessario etichettare intere regioni ma non distinguere tra più istanze.
Mask R-CNN: Questo modello è utilizzato per la segmentazione per istanza, il che significa che non solo segmenta gli oggetti, ma distingue anche tra singole istanze degli oggetti stessi (come più auto o persone nella stessa immagine). È progettato per compiti in cui è necessario rilevare e classificare ciascuna istanza separatamente.
Le principali limitazioni dei metodi automatici basati su DL derivano dalla necessità di grandi dataset categorizzati (ogni esempio deve essere associato da una “etichetta” che lo definisce) per addestrare modelli accurati. Un altro limite è generalizzabilità di questi algoritmi, che potrebbero avere prestazioni scadenti quando applicati a dataset diversi da quelli usati durante l’addestramento.
