Fabio Ricciardelli
Classificazione HER2 Automatica in immagini di tumori al seno utilizzando un metodo euristico = Automated HER2 Classification in Breast Cancer Images Using a Heuristic Method.
Rel. Massimo Salvi, Nicola Michielli, Manuela Scotto. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2026
|
|
PDF (Tesi_di_laurea)
- Tesi
Accesso limitato a: Solo utenti staff fino al 1 Ottobre 2027 (data di embargo). Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (81MB) |
Abstract
Nel campo dell’anatomia patologica, l'analisi di sezioni di tessuto mammario tramite tecniche di immunoistochimica (IHC) costituisce un pilastro fondamentale dell'iter diagnostico del carcinoma, permettendo di identificare biomarcatori predittivi e prognostici essenziali per la medicina di precisione. Tra questi, la valutazione dell’espressione del recettore 2 del fattore di crescita epidermico umano (HER2) rappresenta un passaggio critico che influenza direttamente le scelte terapeutiche. Nonostante l’adozione delle linee guida internazionali congiunte ASCO (American Society of Clinical Oncology) e CAP (College of American Pathologists), la valutazione visiva tramite microscopia ottica è soggetta a una significativa variabilità inter-osservatore, specialmente nella distinzione tra i casi HER2-negativi (score 0) e la categoria "HER2-low" (score 1+ e 2+ non amplificato).
Il presente lavoro di tesi propone un sistema volto a standardizzare la classificazione HER2 attraverso l’integrazione di tecniche di Deep Learning e algoritmi euristici
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
