Il cancro colon-rettale è una delle tipologie di cancro più comunemente diagnosticate a livello globale e la sua diagnosi precoce è fondamentale per ridurne il tasso di mortalità. L’analisi visiva condotta da specialisti attraverso la colonscopia può portare ad avere un tasso elevato di non rilevamento di polipi, e per questo, per facilitare gli endoscopisti si ricorre all’uso nell’intelligenza artificiale, ed in particolare all’utilizzo di metodi del deep learning, quali le CNNs, algoritmi di apprendimento supervisionati che prevedono una serie di fasi. Questo lavoro di tesi si concentra principalmente sugli algoritmi di riconoscimento, ed in particolare su YOLO, un algoritmo per il riconoscimento di oggetti. Lo scopo di questo algoritmo è quello di ottenere i riquadri di delimitazione più appropriati che rilevino i polipi nelle immagini.
Metodi per l'analisi automatica di immagini da colonscopia
OSTOICH, CRISTINA
2021/2022
Abstract
Il cancro colon-rettale è una delle tipologie di cancro più comunemente diagnosticate a livello globale e la sua diagnosi precoce è fondamentale per ridurne il tasso di mortalità. L’analisi visiva condotta da specialisti attraverso la colonscopia può portare ad avere un tasso elevato di non rilevamento di polipi, e per questo, per facilitare gli endoscopisti si ricorre all’uso nell’intelligenza artificiale, ed in particolare all’utilizzo di metodi del deep learning, quali le CNNs, algoritmi di apprendimento supervisionati che prevedono una serie di fasi. Questo lavoro di tesi si concentra principalmente sugli algoritmi di riconoscimento, ed in particolare su YOLO, un algoritmo per il riconoscimento di oggetti. Lo scopo di questo algoritmo è quello di ottenere i riquadri di delimitazione più appropriati che rilevino i polipi nelle immagini.File | Dimensione | Formato | |
---|---|---|---|
Ostoich_Cristina.pdf
accesso riservato
Dimensione
1.53 MB
Formato
Adobe PDF
|
1.53 MB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/34653