Elaboration through supervised learning techniques (classification) of logistic regression and artificial neural networks algorithms for diagnosis and guide to therapeutic choices in patients reported to progression to Multiple Myeloma. Work performed on the MATLAB "Statistics and machine learning" toolbox. Thesis coordinated with curricular external internship.

Elaborazione mediante tecniche di apprendimento supervisionato (classificazione) di algoritmi di regressione logistica e reti neurali artificiali per predire la diagnosi e guidare alle scelte terapeutiche in pazienti esposti alla progressione a Mieloma Multiplo. Lavoro eseguito sul toolbox "Statistic and Machine Learning" di MATLAB. Tesi coordinata all'attività di tirocinio curricolare (esterno).

SUPPORTO DECISIONALE ALLA DIAGNOSI PRECOCE DI MIELOMA MULTIPLO MEDIANTE TECNICHE DI MACHINE LEARNING

PRUNELLA, MICHELA
2019/2020

Abstract

Elaboration through supervised learning techniques (classification) of logistic regression and artificial neural networks algorithms for diagnosis and guide to therapeutic choices in patients reported to progression to Multiple Myeloma. Work performed on the MATLAB "Statistics and machine learning" toolbox. Thesis coordinated with curricular external internship.
2019
DECISION SUPPORT FOR THE EARLY DIAGNOSIS OF MULTIPLE MYELOMA USING MACHINE LEARNING TECHNIQUES
Elaborazione mediante tecniche di apprendimento supervisionato (classificazione) di algoritmi di regressione logistica e reti neurali artificiali per predire la diagnosi e guidare alle scelte terapeutiche in pazienti esposti alla progressione a Mieloma Multiplo. Lavoro eseguito sul toolbox "Statistic and Machine Learning" di MATLAB. Tesi coordinata all'attività di tirocinio curricolare (esterno).
Machine Learning
Classificazione
Reti neurali
Regressione logistic
Mieloma Multiplo
File in questo prodotto:
File Dimensione Formato  
Supporto decisionale__DEF.pdf

File consultabile da postazioni biblioteca

Descrizione: Tesi definitiva dal titolo: SUPPORTO DECISIONALE ALLA DIAGNOSI PRECOCE DI MACHINE LEARNING MEDIANTE TECNICHE DI MACHINE LEARNING
Dimensione 3.52 MB
Formato Adobe PDF
3.52 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/20.500.14253/82447