NanoProbe - Nano-imaging endoscopico innovativo mediante tecniche di machine learning (DFM.AD005.344)

Area tematica

Scienze fisiche e tecnologie della materia

Area progettuale

Struttura responsabile del progetto di ricerca

Istituto di Nanotecnologia (NANOTEC)

Responsabile di progetto

DANIELE SANVITTO
Telefono: 0649914346
E-mail: daniele.sanvitto@cnr.it

Abstract

L'attività qualificante del progetto sarà costruire mediante una singola fibra multi-modale il prototipo di una sonda altamente miniaturizzata ottimizzata per l'applicazione endoscopica.
Attualmente vengono utilizzati endoscopi a fasci di fibre monomodali in cui ogni fibra trasporta il segnale di un pixel di input ad uno di output, con ovvi problemi di dimensione,
risoluzione e trasmissione della luce laser. Grazie ad una sonda a singola fibra multimodale invece, si amplierà la precisione diagnostica pur riducendo la dimensione così da minimizzare l'impatto fisiologico sul paziente, con eventuale opportunità di intervenire con chirurgia laser nella stessa sonda. A tal fine saranno applicate tecniche di inferenza statistica, machine learning ed intelligenza artificiale per ricostruire le immagini trasmesse dalla nuova sonda.
I risultati attesi, oltre che di applicazione in ambito medico, sono di impatto innovativo anche nel campo dell'ottica e dell'intelligenza artificiale.

Obiettivi

Per ricostruire l'immagine è innanzitutto necessario ricostruire la matrice di trasmissione del mezzo. Al di là della complessità di tale ricostruzione, eseguita finora in condizioni controllate in laboratorio nei metodi di imaging per scopi endoscopici si deve tener conto di due fattori fondamentali:
* la flessione della fibra la quale, in ogni configurazione geometrica diversa, corrisponde ad una matrice di trasmissione diversa;
* la dilatazione termica, che perturba in maniera determinante la trasmissione della luce.
La semplice introduzione di un endoscopio a fibra multimodale nel paziente modifica sostanzialmente le proprietà di trasmissione delle immagini. Gli algoritmi di ricostruzione dell'immagine devono essere efficienti su tempi inferiori a quelli del moto della sonda nel paziente.
Mantenendo la risoluzione attualmente allo stato dell'arte si intende sviluppare algoritmi di machine learning che incrementino la velocità di elaborazione della matrice di trasmissione fino al punto di poter "seguire" la fibra nell'esame endoscopico, avendo ad ogni fase dell'acquisizione di immagini dei campioni la effettiva rappresentazione della sua matrice di trasmissione.

Data inizio attività

15/04/2021

Parole chiave

Ottica, Machine learning, Sistemi disordinati

Ultimo aggiornamento: 17/06/2025