Nel processo di acquisizione digitale dei segnali biomedici, cosa rappresenta la frequenza di campionamento?

• Il numero di bit necessari per rappresentare un’immagine

• La quantità di pixel contenuti in un’immagine radiologica

• Il numero di misurazioni al secondo per convertire un segnale continuo in discreto

• La frequenza di aggiornamento del monitor durante la visualizzazione

In ambito di imaging medico, il rumore si riferisce a:

• Un segnale utile sovrapposto a quello originale

• Una componente indesiderata che compromette la qualità del segnale acquisito

• Un filtro usato per migliorare il contrasto

• Un metodo di codifica DICOM

Un trasduttore è essenziale in diagnostica per immagini perché:

• Trasforma un segnale digitale in analogico

• Isola le frequenze indesiderate dal segnale

• Converte una forma di energia (es. acustica) in un’altra (elettrica)

• Ottimizza la compressione dei dati acquisiti

L’obiettivo principale della segmentazione nelle immagini mediche è:

• Evidenziare automaticamente aree anatomiche o patologiche di interesse

• Migliorare la qualità del rendering 3D

• Ricostruire i volumi in tempo reale

• Aumentare l’accuratezza dei file DICOM

Quale tecnica è fondamentale per ottenere una ricostruzione volumetrica 3D da una serie di immagini assiali?

• Interpolazione spaziale

• Rendering 3D

• Elaborazione HL7

• Filtering convoluzionale

L’obiettivo centrale della radiomica è:

• Visualizzare le immagini in tempo reale

• Analizzare immagini biomediche tramite estrazione automatizzata di caratteristiche numeriche

• Riprodurre immagini su supporti fisici 3D

• Migliorare il layout grafico dei referti

Una delle principali limitazioni della radiomica riguarda:

• La scarsa precisione diagnostica

• La difficoltà a trattare dati non strutturati

• La sensibilità ai cambiamenti nei protocolli di acquisizione

• L’incompatibilità con i sistemi PACS

Tra i seguenti, quale NON rappresenta un beneficio certo dell’intelligenza artificiale in radiologia?

• Miglioramento della velocità di diagnosi

• Affidabilità diagnostica assoluta e garantita

• Ottimizzazione dei flussi di lavoro

• Supporto nella rilevazione automatica di anomalie

Le reti neurali artificiali sono particolarmente efficaci nel riconoscimento di:

• Protocolli di rete ospedalieri

• Pattern ricorrenti e complessi all’interno delle immagini mediche

• Errori di refertazione clinica

• Reti HL7 mal configurate

Il deep learning è:

• Una strategia per gestire database DICOM

• Una tecnica di machine learning che utilizza architetture complesse di reti neurali

• Una modalità di compressione dati non supervisionata

• Una tecnologia per aumentare la risoluzione delle immagini