Negli ultimi anni, l’aumento delle lesioni cutanee ha reso essenziale una diagnosi precoce e accurata per garantire un trattamento efficace. Sebbene la dermatoscopia abbia migliorato la pratica dermatologica, l'interpretazione delle immagini richiede competenze specialistiche ed è soggetta a variabilità. I sistemi intelligenti basati su deep learning stanno rivoluzionando questo campo, automatizzando il processo diagnostico e migliorando la precisione. In particolare, le reti neurali convoluzionali (CNN) sono tra i modelli più utilizzati per la segmentazione e classificazione delle immagini. Per ottimizzare ulteriormente le prestazioni, vengono impiegate tecniche come data augmentation e freezing dei layer, che rendono i modelli più robusti e migliorano la capacità di generalizzazione. Questi sistemi aiutano i dermatologi nella diagnosi precoce di patologie cutanee, come il melanoma, migliorando l'efficacia del trattamento.
PROGETTAZIONE E SVILUPPO DI UN SISTEMA INTELLIGENTE PER LA CARATTERIZZAZIONE AUTOMATICA DELLE LESIONI CUTANEE
MONFREDA, SIMONA
2023/2024
Abstract
Negli ultimi anni, l’aumento delle lesioni cutanee ha reso essenziale una diagnosi precoce e accurata per garantire un trattamento efficace. Sebbene la dermatoscopia abbia migliorato la pratica dermatologica, l'interpretazione delle immagini richiede competenze specialistiche ed è soggetta a variabilità. I sistemi intelligenti basati su deep learning stanno rivoluzionando questo campo, automatizzando il processo diagnostico e migliorando la precisione. In particolare, le reti neurali convoluzionali (CNN) sono tra i modelli più utilizzati per la segmentazione e classificazione delle immagini. Per ottimizzare ulteriormente le prestazioni, vengono impiegate tecniche come data augmentation e freezing dei layer, che rendono i modelli più robusti e migliorano la capacità di generalizzazione. Questi sistemi aiutano i dermatologi nella diagnosi precoce di patologie cutanee, come il melanoma, migliorando l'efficacia del trattamento.| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_Monfreda_Simona.pdf
File consultabile da postazioni biblioteca
Descrizione: Documento pdf contenente la tesi definitiva
Dimensione
1.69 MB
Formato
Adobe PDF
|
1.69 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14253/65566