• deep learning
• spect cardiaca
• classificazione
• cnn

Nel presente lavoro di tesi ci si è posti come obiettivo quello di utilizzare reti neurali nell’ambito del Deep Learning, per classificare pazienti con patologia di denervazione cardiaca, mediamente e gravemente patologici da controlli, utilizzando immagini di tomografia computerizzata a emissione di fotoni singoli (SPECT). In particolare è stato sviluppato, tramite Python, un modello di rete neurale convoluzionale (CNN) 2D a tre canali aventi in ingresso immagini SPECT precoci, tardive e il rapporto tra le due. La rete, opportunamente addestrata e poi testata, dà in uscita la classificazione di immagini tra i tre gruppi: controllo, grado medio e grado alto di patologia.

The aim of the present thesis, was to use Deep Learning facilities to classify patients with cardiac denervation pathology, medium and severely pathological, from controls using single photon emission computed tomography ( SPECT) images. In particular, a three-channel 2D convolutional neural network (CNN) model was developed using Python tools, with early, late and ratio SPECT images as input. The net, appropriately trained and then tested, outputs the classification of images between the three groups: control, medium grade and high grade of pathology.