Marika Messina
Un nuovo indicatore per valutare la coerenza degli strumenti di intelligenza artificiale per la malattia coronarica = A new indicator for assessing consistency of Artificial Intelligence tools for coronary artery disease.
Rel. Filippo Molinari, Silvia Seoni, Massimo Salvi. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2023
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) | Preview |
Abstract
Le malattie cardiovascolari sono una delle principali cause di morte, in particolare la malattia coronarica (CAD) causa circa 7,4 milioni di decessi. La causa principale della CAD è la formazione di placche aterosclerotiche, che tendono ad alterare il flusso sanguigno limitandolo al punto da causare ischemia, angina e, nei casi peggiori, infarto del miocardio, per i quali la diagnosi tempestiva è una priorità. Il principale metodo di diagnosi è la valutazione del tracciato ECG. Negli ultimi anni, l'intelligenza artificiale, in particolare le reti neurali profonde, è stata spesso utilizzata per classificare la presenza o l'assenza di una determinata patologia. Nello specifico, per i segnali ECG è stata spesso utilizzata per la rilevazione di condizioni patologiche sia nel contesto di una classificazione binaria che multiclasse, sfruttando anche derivazioni multiple del segnale ECG.
Questo lavoro di tesi ha l'obiettivo di capire come il modello di intelligenza artificiale sia arrivato alla classificazione e di valutarne la robustezza in diverse condizioni; ciò viene fatto per mezzo di un'intelligenza artificiale spiegabile con l'ausilio di un algoritmo chiamato Grad-CAM che permette all'utente di vedere, attraverso mappe di calore, le regioni del segnale che sono state considerate particolarmente rilevanti per la decisione
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
