SVILUPPO DI MODELLI DI MACHINE LEARNING PER L'INDIVIDUAZIONE DEL CANCRO DELLA PELLE

The goal of this thesis is to analyze and describe Machine Learning (ML) approaches for skin cancer detection, with a specific focus on using Python libraries to implement various algorithms. The thesis is divided into four chapters. The first chapter provides a detailed overview of skin cancer from a biological, epidemiological, and statistical perspective, addressing the characteristics of the disease and its global spread. The second chapter introduces the field of artificial intelligence, with particular attention to machine learning (ML) algorithms and the crucial phase of preprocessing metadata and images used for model training. The third chapter focuses on describing the functionality of the main ML algorithms used in the study, highlighting the advantages and limitations of each. In the fourth chapter, the algorithms are implemented in Python, utilizing a dataset of dermatological images for skin cancer detection. The study concludes with an analysis of the obtained results and a comparison of the various algorithms in terms of accuracy and performance. The research activities were supported by an analysis of scientific articles selected through research platforms such as Google Scholar and IEEE Xplore, providing a solid theoretical and practical foundation for the work undertaken.

L’obiettivo del lavoro di tesi è quello di analizzare e descrivere gli approcci di Machine Learning (ML) per l’individuazione del cancro della pelle, con un focus specifico sull’utilizzo delle librerie di Python per l’implementazione di diversi algoritmi. La tesi è articolata in quattro capitoli. Nel primo capitolo viene fornita una panoramica dettagliata del cancro della pelle dal punto di vista biologico, epidemiologico e statistico, affrontando le caratteristiche della malattia e la sua diffusione globale. Nel secondo capitolo, viene introdotto il campo dell’intelligenza artificiale, con particolare attenzione agli algoritmi di apprendimento automatico (ML) e alla fase cruciale di pre-processing dei metadata e delle immagini utilizzate per l’addestramento dei modelli. Il terzo capitolo si concentra sulla descrizione del funzionamento dei principali algoritmi di Machine Learning impiegati nello studio, evidenziando i vantaggi e le limitazioni di ciascuno. Nel quarto capitolo, gli algoritmi vengono implementati utilizzando Python, sfruttando un dataset di immagini dermatologiche per il rilevamento del cancro della pelle. Lo studio si conclude con un’analisi dei risultati ottenuti e un confronto tra i diversi algoritmi in termini di accuratezza e performance. Le attività di ricerca sono state supportate dall’analisi di articoli scientifici selezionati attraverso piattaforme di ricerca come Google Scholar e IEEE Xplore, contribuendo a fornire una solida base teorica e applicativa al lavoro svolto.