• Classification
• CNN
• Deep Learning
• Lung nodules
• Transfer Learning

In recent years, Deep Learning algorithms have revolutionized a great many scientific fields leading to very good results. This thesis work aims to study the effectiveness of these techniques in one of the most difficult areas of research: the medical field. Due to the limited amount of available data, low and highly variable data quality, and ethical and privacy issues the application of AI algorithms to medicine is still not easy today. In this research paper we will try to apply Deep Learning solutions to the case of lung cancer. In particular, the key idea is to exploit the potential of Transfer Learning, using some of the most notorious Convolutional Neural Networks (such as AlexNet and VGG) to classify tumor nodules present in the lungs and detected by a CT scanner. Starting with a study of the public dataset used (LUNA16), several approaches will be presented in this thesis work to attempt to achieve good classification results.

Negli ultimi anni gli algoritmi di Deep Learning hanno rivoluzionato moltissimi campi scientifici portanto a risultati molto buoni. Questo lavoro di tesi si propone di studiare l'efficacia di queste tecniche in uno degli ambiti di ricerca più difficili: il campo medico. A causa della scarsa quantità di dati disponibili, della bassa e altamente variabile qualità dei dati e delle questioni etiche e di privacy l'applicazione di algoritmi di AI alla medicina non è ancora oggi semplice. In questo lavoro di ricerca si provera ad applicare delle soluzioni di Deep Learning al caso dei tumori polmonari. In particolare l'idea chiave è quella di sfruttare le potenzialità del Transfer Learning, utilizzando alcune delle Convolutional Neural Networks più not (come AlexNet e VGG) per classificare i noduli tumorali presenti nei polmoni e individuati da un CT scanner. A partire da uno studio del dataset pubblico utilizzato (LUNA16), in questo lavoro di tesi verranno presentate diversi approcci per tentare di ottenere buoni risultati nella classificazione.