Sviluppo di algoritmi paralleli di key frame selection per l'analisi assistita di ecografie polmonari tramite architetture GPU

L'avanzamento tecnologico ha portato allo sviluppo di risorse di calcolo sempre più sofisticate, come supercomputer, processori multicore, manycore e application specific (custom), per gestire elaborazioni impegnative. Queste risorse accelerano i calcoli attraverso l'elaborazione parallela, migliorando la rapidità della risposta fornita e consentendo l’utilizzo di algoritmi di intelligenza artificiale particolarmente accurati ancorchè onerosi. Tali sviluppi trovano applicazione anche nella medicina, supportando decisioni diagnostiche e terapeutiche tempestive e affidabili. Questo studio affronta tale problema, esplorando l'applicazione di algoritmi di calcolo parallelo e immagini ecografiche per diagnosticare la sindrome polmonare interstiziale, con particolare enfasi sulla polmonite da COVID-19. L'ecografia polmonare emerge come metodo non invasivo e promettente per la diagnosi di patologie polmonari interstiziali, inclusa la polmonite da COVID-19. Nel lavoro vengono sviluppati tre algoritmi di key frame selection per selezionare i frame più significativi da video ecografici. Questi frame vengono utilizzati come input per una rete di classificazione in grado di discriminare tra pazienti sani e malati di COVID-19. Grazie al calcolo parallelo sfruttando le GPU attraverso l’ambiente di programmazione CUDA, gli algoritmi di key frame selection possono essere elaborati rapidamente talora anche in tempo reale. Questo lavoro dimostra l'efficacia di tali algoritmi nella diagnosi polmonare, contribuendo alla rapida e precisa identificazione delle patologie in pazienti colpiti da COVID-19. La ricerca realizzata in questa tesi suggerisce anche l'ulteriore sviluppo degli algoritmi di selezione dei frame e l'estensione dell'applicazione a patologie polmonari diverse da quella presentata e inoltre, contribuisce a sfruttare l'evoluzione tecnologica per migliorare la diagnosi medica, consentendo decisioni cliniche più tempestive ed accurate, a beneficio dei pazienti e della salute pubblica.