Sviluppo di un applicazione mobile basata su una rete neurale convoluzionale per la classificazione di Acne, Psoriasi e Dermatite Atopica. = Development of a mobile application based on a convolutional neural network for the classification of Acne, Psoriasis and Atopic Dermatitis.

Nel corso degli anni, il settore della dermatologia ha visto importanti sviluppi tecnologici che hanno rivoluzionato l'approccio alla diagnosi e alla gestione delle malattie cutanee. Tra questi sviluppi, l'intelligenza artificiale e il machine learning hanno acquisito un ruolo di rilievo, aprendo nuove possibilità nell'ambito della diagnosi precoce e dell'assistenza ai pazienti. L'obiettivo proposto dall'elaborato è la realizzazione di un'app, APD SkinAssistant, che sfrutta l'intelligenza artificiale per riconoscere tre tra le malattie della pelle più diffuse al mondo: Acne, Psoriasi e Dermatite Atopica. L'applicazione non fornisce una diagnosi, che invece necessita di un dermatologo esperto, ma si prospetta l'obiettivo di un supporto al riconoscimento preventivo delle tre malattie cutanee. Le lesioni nelle loro forme lievi, si presentano spesso con sintomatologie molto simili, aspetto che rende il loro riconoscimento un caso di studio non banale. A tal proposito, il coinvolgimento di uno strumento dotato di intelligenza artificiale con prestazioni adeguate, risulterebbe estremamente utile al riconoscimento preventivo delle tre malattie. La selezione di un dataset adeguato, lo svolgimento di operazioni di pre-processing e data augmentation, nonché l’implementazione di algoritmi di color constancy per migliorare la coerenza cromatica delle immagini sono risultate fasi fondamentali per l’implementazione dei modelli di reti convoluzionali in grado di classificare correttamente le immagini. Il focus è successivamente stato spostato sulla progettazione e l’implementazione dell'app mobile ADP Skin-Assistant; concentrandosi in particolare sugli elementi critici del processo quali, la scelta della piattaforma, l'interfaccia utente e l'integrazione dei modelli precedentemente addestrati.