Viola Briccarello
Machine learning per la diagnosi della malformazione di Arnold-Chiari: rilevanza dei sintomi e dei parametri morfologic = Machine learning for the diagnosis of Arnold-Chiari malformation: relevance of symptoms and morphological parameters.
Rel. Luca Mesin. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2022
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (1MB) | Preview |
Abstract
La sindrome di Arnold-Chiari è una malformazione della fossa cranica posteriore e come molte altre malattie rare è ancora oggi oggetto di ricerca. Il metodo di diagnosi attuale consiste nella visualizzazione di immagini di risonanza magnetica sagittale dei pazienti e nell’identificazione manuale della malformaziona da parte dei neurochirurghi: questo approccio, però, è soggettivo ed esposto ad un certo grado di incertezza. Per questo motivo, l’utilizzo di metodi automatici di diagnostica potrebbe aumentare l’accuratezza e l’efficacia nella diagnosi e nella cura. Questa tesi ha lo scopo di indagare l’utilità dei parametri morfologici tramite il confronto di tre differenti reti neurali con dati di input differenti: •??la prima analizzerà soltanto i parametri morfologici; •??la seconda analizzerà soltanto la sintomatologia preoperatoria; •??la terza analizzerà entrambi i fattori.
Le immagini di risonanza magnetica sono sopposte a pre-processing e segmentazione delle aree cerebrali di interesse quali cervello, fossa posteriore e cervelletto
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
