Identificazione di eventi di esocitosi tramite reti convoluzionali neuronali

In questa tesi abbiamo allenato un modello convoluzionale (Mask RCNN) in grado di riconoscere i siti di esocitosi, correlati con l'evento di esocitosi, sulla membrana di cellule beta adibite alla produzione di insulina. Per fare ciò abbiamo costruito un dataset di 122 immagini e 122 annotazioni (ottenute con una tecnica di pseudo annotation). I risultati che otteniamo sono positivi, infatti, dopo una serie di simulazioni, siamo stati in grado di secgliere i corretti iperparametri da dare in pasto al modello e abbiamo ottenuto un valore di mean avarage precision (mAP) uguale a 0.731. Abbiamo dimostrato, dunque che Mask RCNN è in grado di riconoscere i siti di esocitosi. Considerando che le annotazioni che abbiamo utilizzato non sono annotazioni collezionate manualmente da esperti, riteniamo che la metrica di riferimento (mAP) possa migliorare riallenando il modello con annotazioni più precise (strong annotation).