polito.it
Politecnico di Torino (logo)

Registrazione con reti convoluzionali applicata alla mammografia = Image registration using convolutional neural network applied on mammogarphy

Antonio Gaetano Barletta

Registrazione con reti convoluzionali applicata alla mammografia = Image registration using convolutional neural network applied on mammogarphy.

Rel. Fabrizio Lamberti, Lia Morra. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2019

Abstract:

Il cancro al seno è il tipo di cancro più comune tra le donne. Circa il 10% della popolazione mondiale femminile è affetta dal cancro al seno nell’arco delle loro vite. Uno dei migliori metodi per ridurre il numero di decessi è la tempestiva diagnosi del tumore attraverso esami mammografici periodici. Nella mammografia si usano basse dosi di raggi X per esaminare il seno e produrre uno screening utile alla diagnosi. L’esame è composto da due viste, cranio- caudale (CC) e obliqua medio-laterale, (MLO). Negli ultimi anni l’utilizzo di tecnologie basate su reti neurali convoluzionali sono diventate molto diffuse in ambito medico, sia per la loro accuratezza che per l' incredibile capacità di generalizzare. Si sono sviluppati svariati sistemi per la diagnosi con performance simili a quelle di un esperto. In questo lavoro si è studiato su un sistema di diagnosi assistita del tumore al seno. Nello specifico si sono confrontate una rete di object detection multi- stream basata su faster-rcnn con una nuova implementazione che utilizza tecniche di registrazione di immagini per correlare le informazioni delle diverse viste del- l’esame mammografico. Il modulo di registrazione è basato su reti neurali e viene addestrato utilizzando il dataset CBIS_DDSM. In oltre in questo lavoro si sono provate diverse tecniche di registrazione che potessero essere usate in un modulo basato su rete neurale e che fosse adatto al caso della mammografia. Si sono utilizzati parametri affini per modellare le trasfor- mazioni e si è usato uno sistema simile ad uno spatial trasformer per compiere tali trasformazioni. Si è ideata una nuova misura di similarità delle immagini specifica per il caso in questione.

Relators: Fabrizio Lamberti, Lia Morra
Academic year: 2019/20
Publication type: Electronic
Number of Pages: 77
Additional Information: Tesi secretata. Full text non presente
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering)
Classe di laurea: New organization > Master science > LM-32 - COMPUTER SYSTEMS ENGINEERING
Aziende collaboratrici: UNSPECIFIED
URI: http://webthesis.biblio.polito.it/id/eprint/13123
Modify record (reserved for operators) Modify record (reserved for operators)