Tesi etd-11112018-181245 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale
Autore
VATTI, ALESSIO
URN
etd-11112018-181245
Titolo
Sviluppo di modelli deep learning probabilistici per la generazione di immagini medicali
Dipartimento
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
INGEGNERIA BIOMEDICA
Relatori
relatore Prof.ssa Santarelli, Maria Filomena
relatore Ing. Della Latta, Daniele
relatore Ing. Martini, Nicola
relatore Ing. Della Latta, Daniele
relatore Ing. Martini, Nicola
Parole chiave
- probabilistic models
- generative networks
- deep learning
- ct
- Tensorflow
- immagini medicali
- immagini cardiache
- tomografia computerizzata
Data inizio appello
07/12/2018
Consultabilità
Non consultabile
Data di rilascio
07/12/2088
Riassunto
È stato sviluppato un variational autoencoder convolutivo per la generazione di immagini cardiache di tomografia computerizzata. È stato utilizzato il linguaggio di programmazione python e le librerie Tensorflow ed Edward. Sono stati esplorati i modelli latenti delle immagini, in particolare di coppie di immagini che differiscono solo per la presenza del mezzo di contrasto. Si suggeriscono delle applicazioni di queste reti e dei modelli stessi, oltre che ad algoritmi di riduzione della dimensionalità per scopi di classificazione e clustering.
File
| Nome file | Dimensione |
|---|---|
La tesi non è consultabile su richiesta dell’autore. |
|