polito.it
Politecnico di Torino (logo)

Predizione della risposta alla terapia di singole metastasi epatiche da tumore del colon-retto per mezzo di metodi di machine learning = Prediction of response to treatment in individual colorectal cancer liver metastases using machine learning methods

Sara Burdisso

Predizione della risposta alla terapia di singole metastasi epatiche da tumore del colon-retto per mezzo di metodi di machine learning = Prediction of response to treatment in individual colorectal cancer liver metastases using machine learning methods.

Rel. Gabriella Balestra, Samanta Rosati, Valentina Giannini. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2021

[img] PDF (Tesi_di_laurea) - Tesi
Restricted to: Repository staff only until 15 June 2023 (embargo date).
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (29MB)
Abstract:

Lo scopo del lavoro di tesi è stato quello di sviluppare un algoritmo di machine learning per prevedere la risposta al primo ciclo di chemioterapia di singole metastasi epatiche da cancro colorettale trattate con FOLFOX o FOLFIRI. Sono state estratte 107 features radiomiche dalle segmentazioni manuali di 396 metastasi epatiche su scansioni CT pretrattamento appartenenti a 87 pazienti. Sono state poi effettuate diverse prove sfruttando diversi classificatori e metodi di features selection al fine di classificare le lesioni in non responder (R-), se il loro diametro maggiore aumentava più del 20% in una scansione CT eseguita dopo un ciclo di trattamento, responder (R+) se il loro diametro maggiore diminuiva più del 30% e stabili (S) altrimenti. Sono state inoltre clusterizzate le lesioni appartenenti alle 3 classi (R+, S ed R-) tramite reti SOM e sono state effettuate delle prove sfruttando diversi classificatori e metodi di features selection al fine di classificare le lesioni nei diversi cluster e poi ricondurre la classificazione alle classi R+, S ed R-. Sono stati valutati i corretti classificati ottenuti con i diversi modelli sui dataset di Training e Test e i modelli migliori individuati sono stati validati utilizzando un Validation Set costituito da lesioni non incluse nei dataset usati per la costruzione dei classificatori al fine di individuare i modelli più performanti sui 3 dataset.

Relators: Gabriella Balestra, Samanta Rosati, Valentina Giannini
Academic year: 2021/22
Publication type: Electronic
Number of Pages: 158
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Biomedica
Classe di laurea: New organization > Master science > LM-21 - BIOMEDICAL ENGINEERING
Aziende collaboratrici: UNSPECIFIED
URI: http://webthesis.biblio.polito.it/id/eprint/21698
Modify record (reserved for operators) Modify record (reserved for operators)