polito.it
Politecnico di Torino (logo)

Algoritmi di intelligenza artificiale per la predizione della risposta alla terapia nei tumori al retto con immagini di risonanza magnetica = Artificial intelligence algorithms for predicting the response to therapy in rectal cancer with MRI images

Lorenzo Steno

Algoritmi di intelligenza artificiale per la predizione della risposta alla terapia nei tumori al retto con immagini di risonanza magnetica = Artificial intelligence algorithms for predicting the response to therapy in rectal cancer with MRI images.

Rel. Samanta Rosati, Valentina Giannini. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2020

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (1MB) | Preview
Abstract:

Questo studio prevede l'ottimizzazione di un algoritmo genetico associato a più classificatori per ottenere una soluzione che possa predire quanto più accuratamente possibile la risposta alla terapia neoadiuvante di tumori al retto. Secondo studi medici circa il 30% dei pazienti risponde positivamente alla terapia quindi è considerato d'aiuto uno strumento consono alla creazione di un percorso clinico adatto al paziente. Si è partiti da una base di 90 pazienti provenienti da tre centri ospedalieri diversi: l'istituto Candiolo con 41 pazienti, l'ospedale Molinette con 27 pazienti e 22 pazienti dell'ospedale Mauriziano. Di questi 90 pazienti il 46.67% (42 casi) sono classificati come 0 e i restanti 48 casi è classificato come 1. L'algoritmo genetico è stato costruito attraverso le 45 feature T2 e le 42 feature ADC provenienti dall'analisi di immagini ottenute tramite risonanza magnetica e la costruzione di maschere manuali fatte da esperti, un terzo dataset è stato creato unendo tutte le feature. È stato testato un classificatore SVM (Support Vector Machine) e un classificatore Bayesiano, tutte le soluzioni trovate sono state poi confrontate con un altro dataset ottenuto da maschere automatiche provenienti dalle stesse immagini. Infine si sono prese da parte due classificazioni, una ottenuta tramite l'applicazione delle soluzioni alle maschere automatiche ed una applicando le soluzioni alle maschere manuali. Dal confronto di queste due soluzioni, e dalla valutazione della robustezza delle feature, sono state fatte le dovute conclusioni.

Relatori: Samanta Rosati, Valentina Giannini
Anno accademico: 2020/21
Tipo di pubblicazione: Elettronica
Numero di pagine: 53
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Biomedica
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-21 - INGEGNERIA BIOMEDICA
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/16989
Modifica (riservato agli operatori) Modifica (riservato agli operatori)