Ibrahim Ghadre
Development of Deep Learning Integrated Mobile Framework for Dermatological Image Analysis.
Rel. Massimo Salvi, Kristen Mariko Meiburger, Francesco Branciforti. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2025
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (15MB) | Preview |
Abstract
Il cancro della pelle è tra le forme tumorali più diffuse e potenzialmente letali a livello globale, con il melanoma maligno che si distingue per il comportamento clinico aggressivo e l’incidenza in aumento nell’ultimo decennio. Una diagnosi precoce e accurata è essenziale per migliorare la prognosi, e in questo contesto la teledermatologia si è affermata come una soluzione sempre più valida per superare le barriere spaziali e temporali nell’accesso alle cure. Grazie alla crescente disponibilità di smartphone e dermatoscopi mobili, lo screening dermatologico a distanza sta diventando sempre più comune sia in ambito clinico sia extra-clinico. Tuttavia, la qualità delle immagini acquisite dai pazienti rappresenta ancora un limite significativo, spesso compromessa da bassa risoluzione, sfocatura e condizioni di illuminazione variabili, fattori che possono ridurre l’affidabilità e l’accuratezza diagnostica.
Il presente studio si propone di valutare l’implementazione del modello Real-ESRGAN su dispositivi mobili come strumento per migliorare la qualità delle immagini dermatologiche acquisite in condizioni subottimali
Tipo di pubblicazione
URI
![]() |
Modifica (riservato agli operatori) |
