Il presente documento ha come obiettivo la descrizione di modelli e tecniche per l'estrazione di conoscenza da dati radiomici, mediante l'utilizzo di algoritmi di Machine Learning a partire dalle feature estratte dalle immagini mediche dei pazienti arruolati nell'ambito del progetto MOLIM OncoBrain Lab. Allo scopo di supportare il medico nelle sue diagnosi giornaliere, nel follow-up e nella scelta personalizzata delle terapie, viene effettuata l'integrazione dei descrittori numerici estratti dalle immagini con dati clinici/molecolari/morfologici, mediante l'utilizzo di algoritmi di Machine Learning. Il documento è così strutturato: dopo una breve introduzione sui modelli e le tecniche per il supporto alla diagnosi mediante dati radiomici, si entra nel dettaglio delle patologie oggetto di progetto. Viene successivamente effettuato uno studio sulle tecniche di apprendimento supervisionato, dopodichè inizia un'analisi dei dati, sia di quelli provenienti da dataset online sia dei dati reali di progetto. Infine, si passa a mostrare i risultati sugli esperimenti effettuati.
MOLIM - Modelli e tecniche per l'analisi di dati radiomici
Sangiovanni M;Brancati N
2021
Abstract
Il presente documento ha come obiettivo la descrizione di modelli e tecniche per l'estrazione di conoscenza da dati radiomici, mediante l'utilizzo di algoritmi di Machine Learning a partire dalle feature estratte dalle immagini mediche dei pazienti arruolati nell'ambito del progetto MOLIM OncoBrain Lab. Allo scopo di supportare il medico nelle sue diagnosi giornaliere, nel follow-up e nella scelta personalizzata delle terapie, viene effettuata l'integrazione dei descrittori numerici estratti dalle immagini con dati clinici/molecolari/morfologici, mediante l'utilizzo di algoritmi di Machine Learning. Il documento è così strutturato: dopo una breve introduzione sui modelli e le tecniche per il supporto alla diagnosi mediante dati radiomici, si entra nel dettaglio delle patologie oggetto di progetto. Viene successivamente effettuato uno studio sulle tecniche di apprendimento supervisionato, dopodichè inizia un'analisi dei dati, sia di quelli provenienti da dataset online sia dei dati reali di progetto. Infine, si passa a mostrare i risultati sugli esperimenti effettuati.| File | Dimensione | Formato | |
|---|---|---|---|
|
prod_465110-doc_182574.pdf
solo utenti autorizzati
Descrizione: MOLIM - Modelli e tecniche per l'analisi di dati radiomici
Licenza:
Nessuna licenza dichiarata (non attribuibile a prodotti successivi al 2023)
Dimensione
18.37 MB
Formato
Adobe PDF
|
18.37 MB | Adobe PDF | Visualizza/Apri Richiedi una copia |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.


