Letizia Quattrocchio
Integration of Uncertainty into Explainability Methods to Enhance AI Transparency in Brain MRI Classification.
Rel. Massimo Salvi, Silvia Seoni. 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 (3MB) | Preview |
Abstract
Le prestazioni che gli strumenti dell'intelligenza artificiale raggiungono sono così sorprendenti che questi possono essere applicati in vari settori sia di ricerca che di sviluppo. Uno dei vari campi in cui si suddivide l'intelligenza artificiale è il deep learning che fa uso di reti neurali, algoritmi che tentano di emulare il comportamento del cervello umano. Queste reti neurali sono in grado di estrapolare una serie di schemi dai dati che si vogliono analizzare e forniscono il risultato dell'analisi come output. La capacità di analizzare dati che si presentano in varie forme, come segnali, dati numerici, e anche immagini, ha permesso alle reti neurali di ampliare la ricerca scientifica soprattutto nel campo della medicina.
Nonostante la varietà di applicazioni e i risultati che riescono ad ottenere, le reti di deep learning sono anche definite "scatole nere"
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
