Metodiche di statistical e machine learning per ananlisi di immagini mediche

Verzellesi, Laura (2019) Metodiche di statistical e machine learning per ananlisi di immagini mediche. [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 - Non opere derivate 3.0

Download (1MB)

Abstract

Questa tesi ha come obiettivo la creazione e l’implementazione di un codice Python per la classificazione dei tessuti all’interno di un’immagine medica in formato DCOM. A tale scopo, sono adottate le immagini mediche PET-CT fusion per il loro vantaggio nel fornire informazioni sia anatomiche che funzionali. Sono complessivamente importate e analizzate 6 immagini (set di slices): 5 di queste sono utilizzate per il labelling e la rimanente parte è usata per la predizione del modello. Dopo una breve descrizione delle funzioni matematiche alla base del calcolo ed estrazione delle features di Haralick (la matrice di co-occorrenza, misura posizionale dei livelli di grigio di un’immagine, e le 14 features di Haralick), viene presentata in dettaglio l’implementazione di tali funzioni nel codice e le modalità con cui sono utilizzate quest’ultime con la finalità di riconoscere i diversi tipi di tessuti. Sono illustrati gli step progettuali della creazione dei dataset delle label e delle features e della selezione e allenamento del miglior modello per la classificazione. L’approccio seguito permette di classificare diversi pixel di un’immagine DCOM nelle classi “bone”, ossa, “organ”, organi, e “background”, sfondo. Possibili future implementazioni della metodologia adottata comprendono la creazione di nuove classi per affinare la classificazione dei diversi tessuti.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Verzellesi, Laura
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
matrice di co-occorrenza,features di Haralick,classificazione tessuti
Data di discussione della Tesi
18 Ottobre 2019
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^