banca dati delle tesi e dissertazioni accademiche elettroniche
| Tipo di tesi | Tesi di laurea magistrale | ||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Autore | POLLASTRI, FEDERICO | ||||||||||||||||||||||||||||||
| URN | etd-11072017-184146 | ||||||||||||||||||||||||||||||
| Titolo | Impatto di un dataset sintetico generato con Generative Adversarial Networks sul processo di training di una rete convolutiva e deconvolutiva per la segmentazione automatica di immagini di lesioni della pelle. | ||||||||||||||||||||||||||||||
| Titolo in inglese | Impact of a Generative Adversarial Network synthetic dataset on fully convolutional-deconvolutional networks for automatic skin lesion segmentation training | ||||||||||||||||||||||||||||||
| Struttura | Dipartimento di Ingegneria "Enzo Ferrari" | ||||||||||||||||||||||||||||||
| Corso di studi | Ingegneria Informatica (D.M.270/04) | ||||||||||||||||||||||||||||||
| Commissione |
|
||||||||||||||||||||||||||||||
| Parole chiave |
|
||||||||||||||||||||||||||||||
| Data inizio appello | 2017-12-07 | ||||||||||||||||||||||||||||||
| Disponibilità | Accesso limitato: si può decidere quali file della tesi rendere accessibili. Disponibilità mixed (scegli questa opzione se vuoi rendere inaccessibili tutti i file della tesi o parte di essi) | ||||||||||||||||||||||||||||||
| Data di rilascio | 2057-12-07 | ||||||||||||||||||||||||||||||
Riassunto analitico
Le reti neurali sono oggetto di grande interesse negli anni recenti, trovando applicazione in diversi settori, alcuni legati ad immagini mediche. |
|||||||||||||||||||||||||||||||
Abstract
Neural Networks have been a subject of great interest in recent years, finding use in a lot of different areas such as medical images segmentation. The goal of this thesis is to develop, analyze and improve a fully convolutional and deconvolutional neural network for automatic skin lesion segmentation, with particolar interest in using Generative Adversarial Network in the data augmentation process. |
|||||||||||||||||||||||||||||||
| File |
|
||||||||||||||||||||||||||||||