Walter Guzzinati
Metodi di Deep Learning per la segmentazione automatica di fegato e metastasi su immagini TC = Deep Learning methods for automatic liver and metastasis segmentation on CT images.
Rel. Gabriella Balestra, Samanta Rosati, Valentina Giannini. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2021
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (30MB) | Preview |
Abstract
Negli ultimi anni è diventata lampante la necessità di fornire segmentazioni automatiche il più precise possibili ai numerosi metodi di Machine Learning per la predizione della terapia. Questi algoritmi effettuano un’analisi della zona di interesse: esaminano le caratteristiche dei pixel dell’immagine corrispondenti a dove si trova la zona tumorale. In questo studio si è andato a ricercare un algoritmo basato su metodi di Deep Learning per segmentare metastasi epatiche derivate da tumore del colon-retto. Il tumore del colon-retto è un tumore maligno che ha origine nelle zone del colon e del retto nell’intestino e, data la presenza della vena porta che drena il sangue dell’apparato digerente verso il fegato, prevalentemente metastatizza a livello epatico.
L’obiettivo dello studio è individuare le metastasi epatiche con la maggiore accuratezza possibile, così da far risparmiare tempo a medici e radiologi nella lettura delle immagini mediche e nella segmentazione manuale delle metastasi
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
