Metodiche di deep learning e applicazioni all’imaging medico: la radiomica

Maestri, Rita (2018) Metodiche di deep learning e applicazioni all’imaging medico: la radiomica. [Laurea], Università di Bologna, Corso di Studio in Fisica [L-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons Attribuzione - Non commerciale - Condividi allo stesso modo 3.0

Download (905kB)

Abstract

Questa tesi ha lo scopo di presentare il deep learning e una delle sue applicazioni che ha avuto molto successo nell'analisi delle immagini: la rete neurale convoluzionale. In particolare, si espongono i vantaggi, gli svantaggi e i risultati ottenuti nell'applicazione delle reti convoluzionali alla radiomica, una nuova disciplina che prevede l'estrazione di un elevato numero di feature dalle immagini mediche per elaborare modelli di supporto a diagnosi e prognosi. Nel primo capitolo si introducono concetti di machine learning utili per comprendere gli algoritmi di apprendimento usati anche nel deep learning. Poi sono presentate le reti neurali, ovvero le strutture su cui si basano gli algoritmi di deep learning. Infine, viene spiegato il funzionamento e gli utilizzi delle reti neurali convoluzionali. Nel secondo capitolo si espongono le tecniche e gli utilizzi della radiomica e, infine, i vantaggi di usare le reti neurali convoluzionali in quest'ambito, presentando alcuni recenti studi portati a termine in merito.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Maestri, Rita
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
deep learning,neural networks,reti neurali,convolutional neural network,radiomica,imaging medico,machine learning
Data di discussione della Tesi
16 Marzo 2018
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^