Il presente lavoro di tesi analizza l'attività svolta per lo studio e lo sviluppo di modelli di Intelligenza Artificiale applicati all'ambito medico. La tesi si concentra sull'analisi di immagini mammografiche tramite reti neurali profonde (Deep Learning), con l'obiettivo di supportare la diagnosi e ottimizzare la classificazione. Sono stati analizzati diversi modelli e tecniche per valutare l'affidabilità della rete e i suoi potenziali limiti in un contesto di screening.
STUDIO E SVILUPPO DI MODELLI PREDITTIVI BASATI SULL’INTELLIGENZA ARTIFICIALE PER IL CANCRO AL SENO
RIMOLA, MARIA IDA
2025/2026
Abstract
Il presente lavoro di tesi analizza l'attività svolta per lo studio e lo sviluppo di modelli di Intelligenza Artificiale applicati all'ambito medico. La tesi si concentra sull'analisi di immagini mammografiche tramite reti neurali profonde (Deep Learning), con l'obiettivo di supportare la diagnosi e ottimizzare la classificazione. Sono stati analizzati diversi modelli e tecniche per valutare l'affidabilità della rete e i suoi potenziali limiti in un contesto di screening.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_finale.pdf
File consultabile da postazioni biblioteca
Descrizione: Tesi sulla classificazione di masse mammarie benigne e maligne in mammografie (dataset CBIS-DDSM) con tre reti neurali convoluzionali preaddestrate: DenseNet121, ResNet50 e EfficientNetB0.
Dimensione
2.15 MB
Formato
Adobe PDF
|
2.15 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.14253/111027