This thesis is about breast cancer's diagnosis techniques using Machine Learning on data from mammography and CT. There's an introduction about Machine Learning and its algorithms and a chapter about breast cancer and its diagnosis. The results show that using ML algorithms it's still possible to diagnose breast cancer with high precision and accuracy, but only if the number of data is high enough.

La tesi analizza le tecniche di diagnosi del tumore al seno utilizzando algoritmi di machine learning, basandosi su dati provenienti da TAC e mammografie. Si tratta di machine learning e dei principali algoritmi, di tumore al seno e delle tecniche diagnostiche cliniche. I risultati dell'applicazione degli algoritmi dimostrano che l'uso del machine learning offre un'alternativa valida alle tecniche classiche, con precisione ed affidabilità elevate, a patto che l'algoritmo disponga di un numero di dati sufficiente.

IDENTIFICAZIONE DEL CANCRO AL SENO TRAMITE ALGORITMI DI MACHINE LEARNING

LOSURDO, GIULIA
2023/2024

Abstract

This thesis is about breast cancer's diagnosis techniques using Machine Learning on data from mammography and CT. There's an introduction about Machine Learning and its algorithms and a chapter about breast cancer and its diagnosis. The results show that using ML algorithms it's still possible to diagnose breast cancer with high precision and accuracy, but only if the number of data is high enough.
2023
MACHINE LEARNING ALGORITHMS FOR BREAST CANCER DETECTION
La tesi analizza le tecniche di diagnosi del tumore al seno utilizzando algoritmi di machine learning, basandosi su dati provenienti da TAC e mammografie. Si tratta di machine learning e dei principali algoritmi, di tumore al seno e delle tecniche diagnostiche cliniche. I risultati dell'applicazione degli algoritmi dimostrano che l'uso del machine learning offre un'alternativa valida alle tecniche classiche, con precisione ed affidabilità elevate, a patto che l'algoritmo disponga di un numero di dati sufficiente.
Machine Learning
Tumore al seno
SVC
RFC
File in questo prodotto:
File Dimensione Formato  
TESI_DA_CARICARE.pdf

File consultabile da postazioni biblioteca

Descrizione: Documento di Tesi
Dimensione 1.91 MB
Formato Adobe PDF
1.91 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/20.500.14253/66657