IL PRESENTE LAVORO DI TESI PROPONE UNA PIPELINE DI DEEP LEARNING PER L’ANALISI QUANTITATIVA DEL MICROAMBIENTE TUMORALE IN IMMAGINI ISTOPATOLOGICHE H&E DI TUMORI GASTROINTESTINALI. IN PARTICOLARE, VENGONO CONFRONTATI MODELLI DI SEMANTIC SEGMENTATION E INSTANCE SEGMENTATION PER L’IDENTIFICAZIONE DI CLUSTER IMMUNITARI, VASI SANGUIGNI E AREE DI ANGIOGENESI SU WHOLE SLIDE IMAGES. LE PRESTAZIONI SONO VALUTATE MEDIANTE METRICHE PIXEL-WISE E OBJECT-WISE, SIA A LIVELLO DI TILE SIA A LIVELLO DI VETRINO INTERO. I RISULTATI EVIDENZIANO IL POTENZIALE DELLA DIGITAL PATHOLOGY NEL SUPPORTARE UNA CARATTERIZZAZIONE PIÙ OGGETTIVA E RIPRODUCIBILE DEL TESSUTO TUMORALE, FORNENDO UNA BASE PER FUTURE ANALISI MORFOMETRICHE, SPAZIALI E PROGNOSTICHE.
ANALISI QUANTITATIVA DEL MICROAMBIENTE TUMORALE MEDIANTE SEGMENTAZIONE DI IMMAGINI ISTOPATOLOGICHE DI TUMORI DEL TRATTO GASTROINTESTINALE
NOVEMBRINI, SALVATORE
2025/2026
Abstract
IL PRESENTE LAVORO DI TESI PROPONE UNA PIPELINE DI DEEP LEARNING PER L’ANALISI QUANTITATIVA DEL MICROAMBIENTE TUMORALE IN IMMAGINI ISTOPATOLOGICHE H&E DI TUMORI GASTROINTESTINALI. IN PARTICOLARE, VENGONO CONFRONTATI MODELLI DI SEMANTIC SEGMENTATION E INSTANCE SEGMENTATION PER L’IDENTIFICAZIONE DI CLUSTER IMMUNITARI, VASI SANGUIGNI E AREE DI ANGIOGENESI SU WHOLE SLIDE IMAGES. LE PRESTAZIONI SONO VALUTATE MEDIANTE METRICHE PIXEL-WISE E OBJECT-WISE, SIA A LIVELLO DI TILE SIA A LIVELLO DI VETRINO INTERO. I RISULTATI EVIDENZIANO IL POTENZIALE DELLA DIGITAL PATHOLOGY NEL SUPPORTARE UNA CARATTERIZZAZIONE PIÙ OGGETTIVA E RIPRODUCIBILE DEL TESSUTO TUMORALE, FORNENDO UNA BASE PER FUTURE ANALISI MORFOMETRICHE, SPAZIALI E PROGNOSTICHE.| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_Novembrini.pdf
non disponibili
Descrizione: Tesi Novembrini
Dimensione
21.31 MB
Formato
Adobe PDF
|
21.31 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14253/67958