Tesi etd-09202021-130046 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale
Autore
DE SANTI, LISA ANITA
URN
etd-09202021-130046
Titolo
Analisi di immagini cerebrali 3D in Medicina Nucleare mediante modelli spiegabili di intelligenza artificiale (XAI)
Dipartimento
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
INGEGNERIA BIOMEDICA
Relatori
relatore Santarelli, Maria Filomena
Parole chiave
- 3d convolutional neural network
- deep learning
- explainable artificial intelligence
- image classification
- interpretability
- layer activation
- lime
- pet f18-fdg
- xai
Data inizio appello
08/10/2021
Consultabilità
Non consultabile
Data di rilascio
08/10/2091
Riassunto
Overview delle applicazioni di Deep Learning nel campo delle Bioimmagini.
Creazione di una 3D CNN per la classificazione di immagini volumetriche PET F18-FDG dello stadio di demenza nella malattia di Alzheimer (CN, MCI, AD). Studio della variazione delle performance della rete applicando modifiche alla sua architettura ed effetti dell'applicazione di tecniche standard di Data Augmentation.
Applicazione di strumenti di Intelligenza Artificiale Spiegabile (XAI) volti a interpretare localmente la predizione della CNN (applicazione dell'algoritmo "LIME" a immagini volumetriche) e ad ispezionare le operazioni implementate layer per layer dalla rete mediante Mappe di Attivazione e Visualizzazione dei pesi dei filtri.
Overview of Deep Learning applications in Bioimaging.
Building of a 3D CNN for PET F18-FDG volumetric images classification of dementia stage in Alzheimer's disease (CN, MCI, AD). Variation of the network performance modifying its architecture and effects of the application of standard Data Augmentation techniques.
Application of Explainable Artificial Intelligence tools (XAI) for Local Interpretabilty of CNN prediction (application of the "LIME" algorithm to volumetric images) and inspection layer by layer of image elaboration visualizing the activations and first-layer weights.
Creazione di una 3D CNN per la classificazione di immagini volumetriche PET F18-FDG dello stadio di demenza nella malattia di Alzheimer (CN, MCI, AD). Studio della variazione delle performance della rete applicando modifiche alla sua architettura ed effetti dell'applicazione di tecniche standard di Data Augmentation.
Applicazione di strumenti di Intelligenza Artificiale Spiegabile (XAI) volti a interpretare localmente la predizione della CNN (applicazione dell'algoritmo "LIME" a immagini volumetriche) e ad ispezionare le operazioni implementate layer per layer dalla rete mediante Mappe di Attivazione e Visualizzazione dei pesi dei filtri.
Overview of Deep Learning applications in Bioimaging.
Building of a 3D CNN for PET F18-FDG volumetric images classification of dementia stage in Alzheimer's disease (CN, MCI, AD). Variation of the network performance modifying its architecture and effects of the application of standard Data Augmentation techniques.
Application of Explainable Artificial Intelligence tools (XAI) for Local Interpretabilty of CNN prediction (application of the "LIME" algorithm to volumetric images) and inspection layer by layer of image elaboration visualizing the activations and first-layer weights.
File
Nome file | Dimensione |
---|---|
La tesi non è consultabile. |