SVD randomizzata con applicazione al riconoscimento di immagini biomediche

In questo lavoro di tesi presentiamo dei metodi di classificazione di immagini applicati al riconoscimento di immagini ottenute mediante Tomografia Computerizzata (CT). La naturale variabilità morfologica di pazienti diversi, combinata con le variazioni del posizionamento del paziente, introduce delle deformazioni geometriche (rotazione, traslazione e scaling), che spesso rendono inefficienti le metriche di confronto standard. Per questo proponiamo il metodo della Distanza Tangente, che è una metrica invariante per piccole deformazioni. Per garantire la sostenibilità computazionale dell'approccio su un dataset di grandi dimensioni, viene introdotto l'utilizzo della SVD randomizzata. Tale tecnica permette di approssimare lo spazio tangente con un costo computazionale ridotto rispetto ai metodi deterministici, ottimizzando le prestazioni dell'algoritmo senza comprometterne la precisione. L'efficacia della metodologia proposta è validata attraverso una serie di esperimenti numerici condotti sul dataset OrganCMNIST, analizzando il compromesso tra accuratezza e tempi di calcolo nel confronto con gli approcci classici.