Sviluppo di un sistema basato sul machine learning per l’analisi automatica di immagini ultrasonografiche

Canella, Michael (2019) Sviluppo di un sistema basato sul machine learning per l’analisi automatica di immagini ultrasonografiche. [Laurea magistrale], Università di Bologna, Corso di Studio in Informatica [LM-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (3MB)

Abstract

Questo lavoro di tesi si concentra sull'utilizzo di una rete neurale convoluzionale di nome U-Net per la segmentazione di immagini ultrasonografiche acquisite in B-Mode della vena giugulare interna, al fine di rilevarla per l'estrapolazione di alcuni parametri da parte dei medici. La rete neurale è implementata in Tensorflow e Python. Il testo è suddiviso in quattro capitoli in cui si affronta inizialmente il contesto medico in cui avviene questo lavoro e introducendo le analogie del corpo umano con le reti neurali artificiali. Successivamente si passa all'esplorazione delle reti neurali convoluzionali evidenziandone i principi di funzionamento e affrontando le tematiche principali e significative che conducono questi strumenti ad un risultato ottimale. Infine viene riportata l'implementazione, la descrizione del dataset usato e vengono illustrati diversi esperimenti, i cui risultati mostrano alcune difficoltà, ma che con il giusto metodo si può raggiungere l'obiettivo finale.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Canella, Michael
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum C: Sistemi e reti
Ordinamento Cds
DM270
Parole chiave
reti neurali,tensorflow,python,convoluzione,convoluzionali,reti neurali convoluzionali,reti,segmentazione,ultrasuoni,ecografie,machine learning,immagini,deep learning,U-net
Data di discussione della Tesi
14 Marzo 2019
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^