Riassunto analitico
Il machine learning è un approccio alla risoluzione di problemi complessi. Il suo utilizzo è in costante crescita e i diversi lavori di ricerca attivi nel settore pubblicano regolarmente nuovi, interessanti risultati. In questo lavoro vengono trasformate delle immagini grezze in un insieme di features utilizzabili per la classificazione di immagini, è vengono utilizzati alcuni modelli fondamentali del machine learning. Vengono effettuate poi traslazioni e aumento delle immagini. Inoltre vengono addestrati i modelli, in modo tale da permettere di inizializzare suoi parametri e gli iper-parametri. In questa tesi sono state proposte diverse tecniche per risolvere problemi relativi all'ambito medico, quali i problemi relativi alle macchie sulla pelle e alle analisi delle radiografie al torace. I codici sorgenti delle varie implementazioni sono rilasciati opensource. Si sono ottenute nelle diverse competizioni affrontate dei risultati di accuratezza diversi e questi risultati sono stati testati seguendo le metriche messe a disposizione da Kaggle. La tesi però si è concentrata in particolar modo al dataset di immagini di lesioni della pelle ed è stato utilizzato per addestrare un modello che possa classificare melanomi maligni contro lesioni benigne. Il melanoma maligno è uno dei più pericolosi tumori della pelle, ma, se scoperto in uno stadio precoce, le probabilità di cura sono elevate. Pur non avendo ottenuto in tutti i problemi affrontati valori abbastanza elevati da permettere l’utilizzo del modello in un’applicazione reale, i risultati dimostrano le grandi possibilità della rappresentazione di questi modelli.
|
Abstract
Il machine learning è un approccio alla risoluzione di problemi complessi. Il suo
utilizzo è in costante crescita e i diversi lavori di ricerca attivi nel settore pubblicano
regolarmente nuovi, interessanti risultati.
In questo lavoro vengono trasformate delle immagini grezze in un insieme di features utilizzabili per la classificazione di immagini, è vengono utilizzati alcuni modelli fondamentali del machine learning. Vengono effettuate poi traslazioni e aumento delle immagini. Inoltre vengono addestrati i modelli, in modo tale da permettere di inizializzare suoi parametri e gli iper-parametri.
In questa tesi sono state proposte diverse tecniche per risolvere problemi relativi all'ambito medico, quali i problemi relativi alle macchie sulla pelle e alle analisi delle radiografie al torace. I codici sorgenti delle varie implementazioni sono rilasciati opensource.
Si sono ottenute nelle diverse competizioni affrontate dei risultati di accuratezza diversi e questi risultati sono stati testati seguendo le metriche messe a disposizione da Kaggle.
La tesi però si è concentrata in particolar modo al dataset di immagini di lesioni della pelle ed è stato utilizzato per addestrare un modello che possa classificare melanomi maligni contro lesioni benigne. Il melanoma maligno è uno dei più pericolosi tumori della pelle, ma, se scoperto in uno stadio precoce, le probabilità di cura sono elevate. Pur non avendo ottenuto in tutti i problemi affrontati valori abbastanza elevati da permettere l’utilizzo del modello in un’applicazione reale, i risultati dimostrano le grandi possibilità della rappresentazione di questi modelli.
|