Questa pagina contiene il diario e le foto di un viaggio in USA che ho fatto per motivi di studio e ricerca, nell’ambito del Dottorato di Ricerca in Ingegneria dell’Informazione che sto seguendo presso l’Università di Trieste. Il viaggio prevede le seguenti destinazioni:

  • 14 febbraio - 23 febbraio 2008: San Diego, California, sede del congresso SPIE Medical Imaging
  • 23 febbraio - 17 marzo 2008: Silver Spring, Maryland, presso il
    NIBIB/CDRH Laboratory for the Analysis of Medical Imaging Systems
    Division of Imaging and Applied Mathematics
    Office of Science and Engineering Labs
    Center for Devices and Radiological Health
    Food and Drug Administration
Novità: mi fermo fino al 3 aprile. Per Pasqua ho fatto una breve gita a New York City.

Potete trovare il diario dell’anno scorso all’indirizzo http://ggchome.altervista.org/california

Per chi non sa come funziona un blog: I messaggi vengono mostrati a partire dal più recente, quindi per leggere il diario in ordine cronologico bisogna partire dalla fine. Se volete scrivere un commento visibile a tutti i lettori, cliccate sull’apposito link alla fine di ogni giornata. Se non siete registrati, scegliete “Anonimo” in basso alla pagina dove c’è scritto “Scegli un'identità”, ma ricordatevi di scrivere il vostro nome nel testo del blog.

2 aprile 2008

La misura di stanotte è venuta bene. Ho qualche problema ad estrarre i sincronismi, perché l’esperimento è completamente diverso rispetto ai primi che facevo (non devo misurare livelli di grigio uniformi, bensì dettagli su immagini) e quindi il filtro con isteresi che avevo escogitato e che mi aveva notevolmente semplificato la vita adesso non si può più usare. Devo selezionare a mano i punti sul grafico, ma fortunatamente sono pochi e si fa presto. Il risultato della misura è strano. Il nuovo metodo sembra funzionare alla perfezione, e le misure sono praticamente indistinguibili dalla curva teorica; invece le misure sulle immagini elaborate con il metodo vecchio mostrano un errore per basse luminosità (che ci aspettavamo, ed è quello che il nuovo metodo cercava di correggere), ma anche un errore per alte luminosità che non riusciamo a spiegare. Mando i dati ai colleghi italiani, assieme alla nuova versione del programma in grado di calcolare gli errori di quantizzazione.

Nel pomeriggio c’è un seminario sui model observers. Se ho capito bene, sono dei programmi usati per valutare la qualità delle immagini, e hanno intenzione di usarli per testare il monitor e il mio algoritmo; Aldo me ne parla spesso ma non li ho mai visti in funzione. La qualità nelle immagini mediche ha una significato ben preciso: l’estetica non c’entra, ma quello che importa è che con l’immagine il medico riesca a fare una diagnosi corretta. Per valutare la qualità di un metodo si sceglie un campione di immagini (ad esempio radiografie), in alcune si aggiunge una macchia che dovrebbe simulare un nodulo o tumore e le si elabora con il metodo in esame. Un radiologo poi esamina i risultati cercando di individuare il tumore, e si valuta la percentuale di successo, falsi positivi e falsi negativi; ovviamente un metodo è buono se consente di ottenere un’alta percentuale di diagnosi corrette. I model observers simulano la decisione del radiologo, e tentano di riconoscere se l’immagine contiene o no il tumore esaminandone alcune proprietà statistiche; questo consente di fare molte più prove, perché il programma può girare sul cluster esaminando migliaia di immagini in poco tempo. Il seminario è piuttosto avanzato, visto che parla di un particolare tipo di model observer, ma riesco comunque a capire qualcosa delle basi di funzionamento. Il metodo più semplice, chiamato Hotelling observer dal nome del suo inventore, è un classificatore lineare, simile alle “support vector machine” per intendersi, ma basato su una diversa funzione obiettivo; il piano separatore viene calcolato facendo un addestramento con delle immagini di cui si conosce la classificazione. Il problema è che come dati in ingresso non si possono usare direttamente i pixel dell’immagine, perché l’addestramento sarebbe troppo complesso; è necessario ridurre precedentemente la dimensione dei dati facendo qualche trasformazione, e il metodo così modificato prende il nome di “channelized Hotelling observer”. I metodi più avanzati si basano invece su classificatori non lineari.


Il Display Lab e il nostro prototipo

Anche stasera sull’autobus non c’è Kellie. Chissà che fine ha fatto; la incontravo ogni giorno e poi all’improvviso è sparita. Siccome domani parto, non la rivedrò più e non potrò neanche farle una foto. Incontro invece Jacob, il signore etiope, e facciamo una chiacchierata; gli racconto com’è stata la mia esperienza e quali sono i miei piani futuri, quindi riprendiamo a parlare di informatica. Ci salutiamo presto, perché oggi scendo prima del capolinea; infetti devo andare al centro commerciale per comprare una borsa, visto che le cose che ho comprato non mi stanno nella valigia. Ne trovo una per pochi dollari e la compro. Arrivato a casa preparo i bagagli, imballando accuratamente le birre con sacchetti e vestiti in modo da attutire i colpi. Non posso verificare se rientro nei limiti di peso, perché Ellen non ha bilance in casa; speriamo in bene. Lo zaino (che porterò come bagaglio a mano) è piuttosto pieno, quindi devo mettere i libri in valigia. Significa che in aereo non potrò leggere e mi toccherà grattarmi. Siccome la nuova borsa non ha il lucchetto, ci metto dentro i vestiti sporchi e le cose di scarso valore, così anche se la aprono non è un gran problema.

Nessun commento: