Speziali, Filippo
(2024)
Reti neurali per ricostruzione di immagini tomografiche dentali a bassa dose.
[Laurea], Università di Bologna, Corso di Studio in
Informatica [L-DM270]
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
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
In questa tesi viene studiato l’utilizzo di reti neurali convoluzionali per la ricostruzione di immagini tomografiche a bassa dose. In particolare, verranno confrontate le prestazioni di una rete Unet con due sue varianti che implementano connessioni residuali per input bidimensionali, insieme a una variante adatta per input tridimensionali. Sono stati condotti esperimenti su due tipi di dataset di immagini tomografiche ricostruite con l’algoritmo Feldkamp-Davis-Kress (FDK). Il primo dataset è composto da 3 volumi acquisiti su dei fantocci reali in cui si abbassa il numero di proiezioni. In particolare è composto sia da volumi con metà che da un quarto delle
proiezioni. Un secondo dataset è composto da 3 volumi acquisiti sui fantocci dopo averli esposti a 100 volte la dose di radiazioni standard. Infine la rete tridimensionale viene testata su un paziente reale, sia per ricostruire un immagine a metà viste sia simulando una dose elevata.
Abstract
In questa tesi viene studiato l’utilizzo di reti neurali convoluzionali per la ricostruzione di immagini tomografiche a bassa dose. In particolare, verranno confrontate le prestazioni di una rete Unet con due sue varianti che implementano connessioni residuali per input bidimensionali, insieme a una variante adatta per input tridimensionali. Sono stati condotti esperimenti su due tipi di dataset di immagini tomografiche ricostruite con l’algoritmo Feldkamp-Davis-Kress (FDK). Il primo dataset è composto da 3 volumi acquisiti su dei fantocci reali in cui si abbassa il numero di proiezioni. In particolare è composto sia da volumi con metà che da un quarto delle
proiezioni. Un secondo dataset è composto da 3 volumi acquisiti sui fantocci dopo averli esposti a 100 volte la dose di radiazioni standard. Infine la rete tridimensionale viene testata su un paziente reale, sia per ricostruire un immagine a metà viste sia simulando una dose elevata.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Speziali, Filippo
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Intelligienza artificiale,deep learning,Tomografia,Imaging,Image reconstruction
Data di discussione della Tesi
13 Marzo 2024
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Speziali, Filippo
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Intelligienza artificiale,deep learning,Tomografia,Imaging,Image reconstruction
Data di discussione della Tesi
13 Marzo 2024
URI
Statistica sui download
Gestione del documento: