Abstract
Il progetto di ricerca D3D4Face è finalizzato alla creazione di un Digital-3D-Dataset per lo sviluppo di un innovativo sistema, basato su algoritmi di intelligenza artificiale, destinato alla pianificazione personalizzata di interventi correttivi, ricostruttivi e rigenerativi in chirurgia maxillo-facciale. Tale dataset sarà costituito da imaging anatomico umano del distretto testa-collo (es. scansioni TC, scansioni cone-beam, acquisizioni di stereofotogrammetria 3D) che sono state acquisite in studi clinici o che potranno essere reperiti presso gli archivi radiologici dell’Azienda Ospedaliero-Universitaria del Policlinico S.Orsola-Malpighi e della Clinica Odontoiatrica dell’Università di Bologna (UniBO), nel rispetto del nuovo GDPR, da eventuali dataset pubblici relativi alle regioni anatomiche di interesse, da modelli tridimensionali ottenibili dall’elaborazione delle immagini e delle mesh 3D, da dati cefalometrici 3D e da dati sintetici generati con strumenti di computer grafica. Il progetto si inserisce in una proposta di sviluppo triennale di più ampio respiro in cui il D3D4Face ottenuto, verrà utilizzato per istruire un sistema di intelligenza artificiale (sistema AI) che sarà sviluppato ad hoc per la generazione automatica e paziente-specifica della struttura scheletrica e molle del volto al fine di predire, in fase di pianificazione preoperatoria, un outcome chirurgico ottimale. Il progetto nasce dall’esigenza di fornire al chirurgo maxillo-facciale degli strumenti di pianificazione pre-operatoria sempre più orientati ad un trattamento efficace e personalizzato. Infatti, nonostante i recenti progressi nella pianificazione virtuale tridimensionale di un intervento di chirurgia maxillofacciale, l’armonia complessiva del volto risultante è ancora difficile da prevedere e dipende fortemente dall’esperienza del chirurgo. Tale armonia riveste un ruolo fondamentale per il paziente che si sottopone ad un intervento per la correzione di un difetto primario o acquisito del volto (chirurgia oncologica, malformativa, traumatologica). Attualmente il chirurgo per definire il risultato atteso dell’intervento e per avere una guida durante lo svolgimento del medesimo utilizza delle “librerie” anatomiche di parti del cranio che possono essere usate come traccia per ricostruire parti mancanti o deteriorate. Un altro approccio più recente consiste nell’allineamento del cranio del paziente ad un modello 3D di “cranio medio”, ottenuto dalla scansione post-operatoria di un numero limitato di pazienti dello stesso sesso, giudicati eumorfici, ovvero con morfologia facciale simmetrica e armoniosa . Tuttavia, tali strumenti di supporto si basano principalmente sull’uso di dati medi che devono essere adattati in maniera manuale ad ogni paziente in base all’esperienza del chirurgo. A partire dal dataset 3D digitale che risulterà dal presente progetto, sarà possibile avviare lo sviluppo di modelli e algoritmi di apprendimento automatico guidati dai dati come le reti neurali, in particolare le reti generative antagoniste o GAN, che consentiranno di superare il concetto di cranio medio e libreria anatomica, e forniranno al chirurgo nuovi strumenti basati sulla generazione di configurazioni scheletriche e facciali realistiche e il più possibile normo-conformate a partire dal volto dello specifico paziente, utilizzabili dal chirurgo in fase di planning pre-operatorio.
Dettagli del progetto
Responsabile scientifico: Claudio Marchetti
Strutture Unibo coinvolte:
Dipartimento di Scienze Biomediche e Neuromotorie
Coordinatore:
ALMA MATER STUDIORUM - Università di Bologna(Italy)
Contributo totale di progetto: Euro (EUR) 30.000,00
Durata del progetto in mesi: 12
