Design di una metodologia per il trattamento delle immagini mammografiche basate su tecniche di apprendimento profonde


astratto

in profondità L’apprendimento è un sottocampo all’interno dell’apprendimento della macchina che utilizza diversi algoritmi di apprendimento automatico per modellare astrazioni ad alto livello in dati utilizzando architetture gerarchiche, note come reti neurali profonde (DNNS). Tra i più algoritmi che possono essere trovati, ci sono alcuni come reti neuronali contorte (CNN), auto-coders e reti ricorrenti (RNNS), che possono essere di grande aiuto durante l’analisi delle immagini mediche. Il grande potenziale che hanno queste tecniche per l’analisi delle immagini mediche risiedono alla loro velocità ed efficienza una volta che hanno una grande quantità di dati. Il suo uso può essere applicato a compiti diversi come rilevamento e segmentazione dei tumori, nonché il loro monitoraggio e controllo; La visualizzazione e la quantificazione del flusso sanguigno o alla creazione di sistemi di aiuto per l’interpretazione dei risultati medici. Pertanto, è logico pensare che in futuro venga sempre più utilizzato tecniche, diventando molti di questi compiti qualcosa di tipico di un computer. Gli obiettivi di questo lavoro di fine end sono i seguenti: – L’introduzione al profondo apprendimento e ai diversi algoritmi che sono attualmente utilizzati, evidenziando i loro vantaggi e svantaggi. – rivedere lo stato dell’arte delle tecniche di apprendimento profonde utilizzate per l’analisi delle immagini mediche, nonché l’identificazione dei campi medici in cui questi algoritmi possono essere utili. – L’identificazione di algoritmi di apprendimento profondo che possono essere utilizzati nell’analisi delle immagini mammografiche. – La progettazione di una metodologia specifica per il trattamento delle immagini mammografiche utilizzando le tecniche menzionate. Per questo, verrà eseguito un ampio studio dello stato dell’arte dei vari algoritmi di profondità e dei suoi usi nell’analisi delle immagini mediche. Lavorerete anche in familiarizzazione con alcuni degli algoritmi più direttamente correlati alla segmentazione dell’immagine, a causa della sua applicabilità al rilevamento di massa e microcalcificazioni in mammografia digitale, che sarà di vitale importanza nella metodologia progettata. Per questo, verranno utilizzate diverse fonti bibliografiche di riferimento. Per finire, con questo progetto si desidera sottolineare le più applicazioni che hanno algoritmi di apprendimento profondo in medicina, ed evidenziano come il loro uso aiuterà i medici a prendere decisioni migliori, nonché migliorare i risultati medici sia in termini di tempo che di efficienza.

.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *