Intelligenza Artificiale e Radiomica in Medicina

Dettagli

Chi siamo

 

Responsabile scientifico:

Prof. ssa Barbara PALUMBO

Personale afferente:

  • Barbara PALUMBO   Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
  • Maria RONDINI   Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
  • Francesco BIANCONI   Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
  • Mario Luca FRAVOLINI   Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
  • Matteo MINESTRINI   Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
  • Andrea CALANDRA   Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
 

Dove siamo

Aula 5 -Centro Didattico  – S. Andrea Delle Fratte- Dipartimento di Medicina e Chirurgia- Università di Perugia.

Cosa facciamo

Medicina personalizzata (Barbara PALUMBO)
    Applicazione di tecniche di Intelligenza Artificiale, Machine Learning, Deep Learning e Radiomica, impiegando metodiche di Diagnostica per Immagini (in particolare Medicina Nucleare e Radiologia), per individuare pattern diagnostici di malattia in ambito oncologico e di classificazione automatica di patologie neurodegenerative (demenze e parkinsonismi).
Scienze Omiche Integrate alla Medicina di Precisione (Barbara PALUMBO) sitoweb
    Ricerca relativa all'applicazione delle tecniche di Intelligenza Artificiale/Radiomica alle tecniche di Diagnostica per Immagini/Medicina Nucleare.

Tecnologie e Strumentazione

Clinical Trial
    Intelligenza Artificiale e Radiomica in Medicina.

Pubblicazioni

Palumbo B, Fravolini ML, Nuvoli S, Spanu A, Paulus KS, Schillaci O, Madeddu G. Comparison of two neural network classifiers in the differential diagnosis of essential tremor and Parkinson's disease by (123)I-FP-CIT brain SPECT. Eur J Nucl Med Mol Imaging. 2010 Nov;37(11):2146-53

Palumbo B, Fravolini ML, Buresta T, Pompili F, Forini N, Nigro P, Calabresi P, Tambasco N. Diagnostic accuracy of Parkinson disease by support vector machine (SVM) analysis of 123I-FP-CIT brain SPECT data: implications of putaminal findings and age. Medicine (Baltimore). 2014

Cascianelli S, Scialpi M, Amici S, Forini N, Minestrini M, Fravolini ML, Sinzinger H, Schillaci O, Palumbo B. Role of Artificial Intelligence Techniques (Automatic Classifiers) in Molecular Imaging Modalities in Neurodegenerative Diseases. Curr Alzheimer Res. 2017;14(2):198-207.

Bianconi F, Fravolini ML, Bello-Cerezo R, Minestrini M, Scialpi M, Palumbo B. Evaluation of Shape and Textural Features from CT as Prognostic Biomarkers in Non-small Cell Lung Cancer. Anticancer Res. 2018

Bianconi F, Palumbo I, Fravolini ML, Chiari R, Minestrini M, Brunese L, Palumbo B. Texture Analysis on [18F]FDG PET/CT in Non-Small-Cell Lung Cancer: Correlations Between PET Features, CT Features, and Histological Types. Mol Imaging Biol. 2019 Dec;21(6):1200-1209.

Nuvoli S, Spanu A, Fravolini ML, Bianconi F, Cascianelli S, Madeddu G, Palumbo B. [123I]Metaiodobenzylguanidine (MIBG) Cardiac Scintigraphy and Automated Classification Techniques in Parkinsonian Disorders. Mol Imaging Biol. 2020 Jun;22(3):703-710.

Palumbo B, Bianconi F, Palumbo I, Fravolini ML, Minestrini M, Nuvoli S, Stazza ML, Rondini M, Spanu A. Value of Shape and Texture Features from 18F-FDG PET/CT to Discriminate between Benign and Malignant Solitary Pulmonary Nodules: An Experimental Evaluation. Diagnostics (Basel). 2020 Sep 15;10(9):696. doi: 10.3390/diagnostics10090696.

Bianconi F, Fravolini ML, Palumbo I, Pascoletti G, Nuvoli S, Rondini M, Spanu A, Palumbo B. Impact of Lesion Delineation and Intensity Quantisation on the Stability of Texture Features from Lung Nodules on CT: A Reproducible Study. Diagnostics (Basel). 2021 Jul 6;11(7):1224.

Bianconi F, Fravolini ML, Pizzoli S, Palumbo I, Minestrini M, Rondini M, Nuvoli S, Spanu A, Palumbo B. Comparative evaluation of conventional and deep learning methods for semi-automated segmentation of pulmonary nodules on CT. Quant Imaging Med Surg. 2021 Jul;11(7):3286-3305. doi: 10.21037/qims-20-1356.

Filippi L, Bianconi F, Schillaci O, Spanu A, Palumbo B. The Role and Potential of 18F-FDG PET/CT in Malignant Melanoma: Prognostication, Monitoring Response to Targeted and Immunotherapy, and Radiomics. Diagnostics (Basel). 2022 Apr 8;12(4):929

Bianconi F, Fravolini ML, Palumbo B. Size measurement of lung nodules on CT: which diameter is most stable to inter-observer variability? Clin Imaging. 2023 Jul;99:38-40

Bianconi F, Salis R, Fravolini ML, Khan MU, Minestrini M, Filippi L, Marongiu A, Nuvoli S, Spanu A, Palumbo B. Performance Analysis of Six Semi-Automated Tumour Delineation Methods on [18F] Fluorodeoxyglucose Positron Emission Tomography/Computed Tomography (FDG PET/CT) in Patients with Head and Neck Cancer. Sensors (Basel). 2023 Sep 18;23(18):7952