Federica Nitto
Modello di deep learning per la segmentazione automatica di lesioni alla mammella in immagini DCE-MRI = Deep learning model for automatic segmentation of breast lesions in DCE-MRI images.
Rel. Filippo Molinari, Massimo Salvi. 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 (2MB) | Preview |
Abstract
Il tumore alla mammella costituisce una delle neoplasie più diffuse, soprattutto nelle giovani donne, e la diagnosi precoce è essenziale per aumentare le probabilità di sopravvivenza. In questo contesto, la risonanza magnetica dinamica con mezzo di contrasto (DCE-MRI) fornisce immagini ad alta risoluzione con una sensibilità generalmente più alta rispetto ad altre modalità di imaging, come la mammografia, in particolare nelle donne con tessuto denso e con un alto rischio di tumore al seno. Strumenti automatici per l’identificazione e la caratterizzazione delle lesioni possono rappresentare un valido supporto decisionale, migliorando l’efficienza e l’accuratezza nella diagnosi. Automatizzando la segmentazione delle lesioni, il modello può ridurre il tempo dedicato dai senologi all’analisi delle immagini, accelerando il flusso di lavoro e diminuendo la variabilità inter-operatore.
Il lavoro di tesi, in collaborazione con l’azienda Tecnologie Avanzate Srl e l’ospedale Città della Salute e della Scienza di Torino, propone un modello di deep learning per la segmentazione automatica delle lesioni mammarie su immagini DCE-MRI
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
