Orlando Zaccaria
Studio di approcci 3D e multimodali per la segmentazione delle lesioni su immagini PET con algoritmi di Deep Learning = Study of 3D and multimodal approaches for the segmentation of lesions in PET images with Deep Learning algorithms.
Rel. Massimo Salvi, Stefania Zara. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2024
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (17MB) | Preview |
Abstract
I tumori del distretto testa-collo rappresentano una delle patologie più diffuse e il loro tasso di incidenza è in costante aumento, attribuibile principalmente all'abitudine diffusa di consumare alcol e tabacco. Una volta individuata la presenza di tali tumori, la maggior parte dei pazienti viene sottoposta a trattamento radioterapico. Questa terapia, mediante l'utilizzo di radiazioni ionizzanti, mira a colpire specificamente le cellule tumorali per provocarne la necrosi. È importante sottolineare che, in questo contesto, la segmentazione accurata dei tumori riveste un ruolo fondamentale. Essa permette infatti di pianificare in modo preciso il trattamento, consentendo al contempo di limitare l'esposizione dei tessuti circostanti alle radiazioni, minimizzando così i potenziali effetti collaterali.
L'imaging utilizzato per individuare i tumori è la PET, alla quale sempre più frequentemente si affianca una tecnica di imaging anatomico come la CT, facilitando la segmentazione
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
