polito.it
Politecnico di Torino (logo)

Reti neurali profonde multi-vista per il triage mammografico = Multi-view deep neural networks for mammography triage

Rosario Milazzo

Reti neurali profonde multi-vista per il triage mammografico = Multi-view deep neural networks for mammography triage.

Rel. Lia Morra, Fabrizio Lamberti. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2022

Abstract:

In medicina il tumore alla mammella gioca un ruolo principale essendo il tumore più diffuso al mondo. Al momento, data la natura asintomatica della malattia, l’unico modo per prevenire la mortalità è lo screening mammografico che si basa sulla mammografia. La mammografia non è altro che una scansione a basse radiazioni attraverso la quale si possono identificare potenziali lesioni all’interno della mammella. Di solito viene eseguita ad entrambe le mammelle e in due diverse proiezioni, le quali differiscono per l’angolazione a cui viene eseguita, cranio-caudale (CC) e medio-laterale obliqua (MLO). I radiologi, visionando le quattro diverse immagini mammografiche, eseguono sia un’analisi omolaterale (stesso lato) sia bilaterale (lato diverso) al fine di produrre il referto. Data la vasta popolazione su cui eseguire lo screening mammografico, che dovrebbe essere eseguito periodicamente da tutte le donne con età superiore ai 50 anni, i radiologi sono sempre più supportati, al fine di avere una diagnosi migliore e in breve tempo, dai computer aided detection system (CAD). In questa tesi verrà discussa l’implementazione di un’architettura neurale denominata Anatomy-aware Graph convolutional Network multi view (AGN multi view), la quale, poste in input le quattro immagini mammografiche definite in precedenza, esegue una predizione in modo da effettuare un task di triage emulando l’analisi fatta da un radiologo. L’analisi tra le diverse proiezioni avviene tramite una particolare struttura dati, i grafi, a tale scopo è stato necessario eseguire un mapping dalla struttura dati iniziale, un’immagine, a un grafo in modo da poter utilizzare dei grafi in cui le parti simili della mammografia fossero connesse. L’intera architettura è stata implementata e successivamente allenata sul Karolinska Dataset che contiene gli esami mammografici di circa 11000 pazienti di diverse età.

Relatori: Lia Morra, Fabrizio Lamberti
Anno accademico: 2021/22
Tipo di pubblicazione: Elettronica
Numero di pagine: 89
Informazioni aggiuntive: Tesi secretata. Fulltext non presente
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering)
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-32 - INGEGNERIA INFORMATICA
Aziende collaboratrici: Health Triage
URI: http://webthesis.biblio.polito.it/id/eprint/23564
Modifica (riservato agli operatori) Modifica (riservato agli operatori)