L’obiettivo del lavoro è sviluppare un modello di intelligenza artificiale in grado di distinguere automaticamente immagini retiniche con miopia patologica da quelle non patologiche. Utilizzando il dataset PALM, annotato da esperti, è stata implementata una CNN basata su EfficientNetB0 con fine-tuning in due fasi. Il modello ha raggiunto prestazioni elevate, con AUC > 0.99 e accuracy fino al 96%, dimostrando un’eccellente capacità discriminativa e un potenziale utilizzo in ambito clinico.
STUDIO E SVILUPPO DI MODELLI DI INTELLIGENZA ARTIFICIALE PER LA DIAGNOSI DELLA MIOPIA
CARLUCCI, DARIO
2024/2025
Abstract
L’obiettivo del lavoro è sviluppare un modello di intelligenza artificiale in grado di distinguere automaticamente immagini retiniche con miopia patologica da quelle non patologiche. Utilizzando il dataset PALM, annotato da esperti, è stata implementata una CNN basata su EfficientNetB0 con fine-tuning in due fasi. Il modello ha raggiunto prestazioni elevate, con AUC > 0.99 e accuracy fino al 96%, dimostrando un’eccellente capacità discriminativa e un potenziale utilizzo in ambito clinico.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
TESI_Carlucci_Dario_585308.pdf
non disponibili
Descrizione: In questa tesi è stato affrontato l'argomento del machine learning in abìmbito clinico ed è stato sviluppato un modello di deep learning basato su una rete CNN per la diagnosi della miopia patolgica
Dimensione
7.65 MB
Formato
Adobe PDF
|
7.65 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/20.500.14253/64394