Nicole Riberti
Classificazione di cisti ovariche in immagini ecografiche tramite reti neurali profonde = Classification of ovarian cysts in ultrasound images using deep neural networks.
Rel. Filippo Molinari, Massimo Salvi. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2020
|
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) | Preview |
Abstract: |
Il progetto di tesi si concentra sull’implementazione di una rete neurale convoluzionale adatta alla classificazione di cisti ovariche in immagini ecografiche. L’ Intelligenza Artificiale consente, per mezzo di algoritmi automatici, di memorizzare un certo pattern di input e di riconoscerne di nuovi. L’oggetto in questione è la cisti ovarica, cioè una neoformazione che si sviluppa a carico delle ovaie in forme diverse in donne di ogni età. Data la frequenza in ambito diagnostico, diventa fondamentale per il medico riuscire ad identificare la tipologia di cisti durante l’analisi ultrasonografica e decidere la terapia da seguire, alcune cisti devono essere asportate chirurgicamente mentre altre presentano una regressione spontanea. Lo studio dimostra come una rete neurale convoluzionale può apprendere le caratteristiche delle cisti ed essere di supporto al medico per svolgere una corretta diagnosi. |
---|---|
Relatori: | Filippo Molinari, Massimo Salvi |
Anno accademico: | 2020/21 |
Tipo di pubblicazione: | Elettronica |
Numero di pagine: | 69 |
Soggetti: | |
Corso di laurea: | Corso di laurea magistrale in Ingegneria Biomedica |
Classe di laurea: | Nuovo ordinamento > Laurea magistrale > LM-21 - INGEGNERIA BIOMEDICA |
Aziende collaboratrici: | SYNDIAG SRL |
URI: | http://webthesis.biblio.polito.it/id/eprint/16966 |
Modifica (riservato agli operatori) |