Índice
Literatura académica sobre el tema "Segmentazione Immagini"
Crea una cita precisa en los estilos APA, MLA, Chicago, Harvard y otros
Consulte las listas temáticas de artículos, libros, tesis, actas de conferencias y otras fuentes académicas sobre el tema "Segmentazione Immagini".
Junto a cada fuente en la lista de referencias hay un botón "Agregar a la bibliografía". Pulsa este botón, y generaremos automáticamente la referencia bibliográfica para la obra elegida en el estilo de cita que necesites: APA, MLA, Harvard, Vancouver, Chicago, etc.
También puede descargar el texto completo de la publicación académica en formato pdf y leer en línea su resumen siempre que esté disponible en los metadatos.
Artículos de revistas sobre el tema "Segmentazione Immagini"
1
Cartolari, R., L. Perugini, L. Vocino y S. Boni. "Costruzione di trasparenti tridimensionali in tomografia computerizzata". Rivista di Neuroradiologia 9, n.º 1 (febrero de 1996): 81–87. http://dx.doi.org/10.1177/197140099600900110.
Texto completoResumen
Viene presentata una tecnica che, partendo da normali acquisizioni TC, con la sola utilizzazione dei programmi di base del tomografo («on-the-scanner») consente di produrre modelli tridimensionali (3D) con visualizzazione, in trasparenza, di aree di interesse specifico (bersagli). La tecnica prevede la produzione di una serie di «immagini-maschera» alle quali vengono sovrapposte «immagini-bersaglio» nella stessa prospettiva, ottenute sia con semplice campionamento attraverso l'u-so della soglia ( thresholding) che attraverso segmentazione manuale. La costruzione dei trasparenti, oltre a rappresentare un potente mezzo di sintesi delle informazioni contenute nell' esame, può consentire valutazioni diagnostiche originali in pazienti portatori di voluminose protesi metalliche, sia grazie alla visione d'insieme del volume esaminato, sia riducendo in parte gli artefatti da effetto Hounsfield.
2
Cimino, C., L. Chiapparini, M. G. Bruzzone, E. Ciceri, M. R. Carriero y B. Lombardi. "Analisi della tecnica Angio-TC-3D nello studio delle steno-occlusioni carotidee". Rivista di Neuroradiologia 10, n.º 2_suppl (octubre de 1997): 115. http://dx.doi.org/10.1177/19714009970100s245.
Texto completoResumen
L'angio-TC e le tecniche di ricostruzione tridimensionale su work-station sono strumenti che permettono di studiare la patologia steno-occlusiva dei vasi al collo, ottenendo informazioni sulla morfologia, sull'estensione delle placche ateromasiche e sull'entità delle stenosi. Mentre appare sempre più emergente il ruolo dell'angio-TC come esame di screening per tale patologia, in letteratura non vi è unanimità di giudizio sulla possibilità che questa tecnica, da sola o in associazione con altre non invasive, possa sostituire l'angiografia in previsione di un intervento chirurgico. Scopo di questo lavoro è analizzare la sensibilità, la specificità e l'accuratezza diagnostica di questa tecnica, comprensiva delle successive elaborazioni con programmi di ricostruzione tridimensionale, rispetto a metodiche più tradizionali quali l'angio-RM, l'eco-color-doppler, l'angiografia digitale. Dato il prevedibile aumento di richiesta di esecuzione di questo esame saranno inoltre presi in considerazione altri parametri. In primo luogo sarà considerato il rapporto tra il tempo complessivo dedicato sia all'esecuzione dell'esame (impostazione dei protocolli di acquisizione, scelta della regione di interesse, scelta dei corretti parametri di somministrazione del bolo) sia l'elaborazione delle immagini (scelta del programma di ricostruzione, del target, eventuale segmentazione) e la qualità e l'affidabilità del risultato rispetto ad altre tecniche. Verrà infine considerato il costo biologico dell'esame in termini di dose somministrata al paziente. Data la recente installazione presso il nostro servizio di un'apparecchiatura TC spirale e di work-station per elaborazioni 3D, MIP, MPR, etc., ci proponiamo di utilizzare per questo studio un campione di 20 pazienti con TIA o minor stroke. Tutti questi pazienti saranno sottoposti ad eco-color-doppler, angio-TC, angio-RM e angiografia digitale.
3
Cellina, Michaela, Daniele Gibelli, Cristina Rosti, Federica Leone, Elena Belloni, Fabrizio Calliada, Chiarella Sforza y Giancarlo Oliva. "Applicazione delle metodiche di segmentazione 3D su immagini TAC all'analisi morfologica e metrica dei seni frontali per scopi chirurgici". Journal of Radiological Review 5, n.º 6 (enero de 2019). http://dx.doi.org/10.23736/s2283-8376.18.00141-9.
Texto completoTesis sobre el tema "Segmentazione Immagini"
1
Vannucci, Maria Chiara. "Algoritmi di segmentazione di immagini mediche". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2016. http://amslaurea.unibo.it/10878/.
Texto completoResumen
Nell'ambito dell'elaborazione delle immagini, si definisce segmentazione il processo atto a scomporre un'immagine nelle sue regioni costituenti o negli oggetti che la compongono. Ciò avviene sulla base di determinati criteri di appartenenza dei pixel ad una regione. Si tratta di uno degli obiettivi più difficili da perseguire, anche perché l'accuratezza del risultato dipende dal tipo di informazione che si vuole ricavare dall'immagine.
Questa tesi analizza, sperimenta e raffronta alcune tecniche di elaborazione e segmentazione applicate ad immagini digitali di tipo medico. In particolare l'obiettivo di questo studio è stato quello di proporre dei possibili miglioramenti alle tecniche di segmentazione comunemente utilizzate in questo ambito, all'interno di uno specifico set di immagini: tomografie assiali computerizzate (TAC) frontali e laterali aventi per soggetto ginocchia, con ivi impiantate protesi superiore e inferiore. L’analisi sperimentale ha portato allo sviluppo di due algoritmi in grado di estrarre correttamente i contorni delle sole protesi senza rilevare falsi punti di edge, chiudere eventuali gap, il tutto a un basso costo computazionale.
2
Marchetti, Marco. "Segmentazione automatica di regioni in immagini istologiche". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2012. http://amslaurea.unibo.it/3502/.
Texto completoResumen
L’analisi istologica riveste un ruolo fondamentale per la pianificazione di eventuali terapie mediche o chirurgiche, fornendo diagnosi sulla base dell’analisi di tessuti, o cellule, prelevati con biopsie o durante operazioni. Se fino ad alcuni anni fa l’analisi veniva fatta direttamente al microscopio, la sempre maggiore diffusione di fotocamere digitali accoppiate consente di operare anche su immagini digitali.
Il presente lavoro di tesi ha riguardato lo studio e l’implementazione di un opportuno metodo di segmentazione automatica di immagini istopatologiche, avendo come riferimento esclusivamente ciò che viene visivamente percepito dall’operatore. L’obiettivo è stato quello di costituire uno strumento software semplice da utilizzare ed in grado di assistere l’istopatologo nell’identificazione di regioni percettivamente simili, presenti all’interno dell’immagine istologica, al fine di considerarle per una successiva analisi, oppure di escluderle.
Il metodo sviluppato permette di analizzare una ampia varietà di immagini istologiche e di classificarne le regioni esclusivamente in base alla percezione visiva e senza sfruttare alcuna conoscenza a priori riguardante il tessuto biologico analizzato. Nella Tesi viene spiegato il procedimento logico seguito per la progettazione e la realizzazione dell’algoritmo, che ha portato all’adozione dello spazio colore Lab come dominio su cu cui calcolare gli istogrammi. Inoltre, si descrive come un metodo di classificazione non supervisionata utilizzi questi istogrammi per pervenire alla segmentazione delle immagini in classi corrispondenti alla percezione visiva dell’utente. Al fine di valutare l’efficacia dell’algoritmo è stato messo a punto un protocollo ed un sistema di validazione, che ha coinvolto 7 utenti, basato su un data set di 39 immagini, che comprendono una ampia varietà di tessuti biologici acquisiti da diversi dispositivi e a diversi ingrandimenti. Gli esperimenti confermano l’efficacia dell’algoritmo nella maggior parte dei casi, mettendo altresì in evidenza quelle tipologie di immagini in cui le prestazioni risultano non pienamente soddisfacenti.
3
Vitolo, Maria Giovanna. "Metodi per la segmentazione di un'immagine". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2013. http://amslaurea.unibo.it/5901/.
Texto completoResumen
L’obiettivo della tesi consiste nell’osservazione di un’immagine ecografica e nella sua analisi tramite vari metodi di segmentazione. Il fine di questo approfondimento è di rendere chiari e misurabili alcuni elementi significativi della figura presa in considerazione. Sono analizzati e implementati alcuni metodi per la segmentazione di un’immagine e applicati ad alcune immagini campione con caratteristiche diverse. Dai risultati ottenuti da questi test sono scelti i metodi più efficaci ed applicati all’ecografia.
Il lavoro è svolto nel modo seguente: nel primo capitolo si tratta dei vari metodi di filtrazione di un’immagine e di segmentazione, nel secondo capitolo l’elaborazione delle
immagini tramite implementazione dei vari metodi. Il primo capitolo è più teorico, affronta il problema da un punto di vista generale ed è suddiviso in sei sottocapitoli. Nella
prima sezione si definisce un’immagine digitale e le nozioni fondamentali di lettura di un’immagine con MATLAB. La seconda e la terza sezione trattano nello specifico i filtri che vengono utilizzati per migliorare un’immagine prima di accedere alla segmentazione definitiva. Nelle ultime tre sezioni vengono studiati alcuni metodi di segmentazione più importanti e di facile implementazione. Il secondo capitolo mette a confronto i vari filtri e i metodi di segmentazione su ‘immagini campione’; infine la parte più interessante e applicativa è la sezione 2.4 in cui viene segmentata l’immagine ecografica che si intende analizzare.
4
Fumagalli, Simone. "Segmentazione di immagini tomografiche di un antico documento". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/17765/.
Texto completoResumen
Questo progetto di tesi è stato svolto all’interno di un più ampio progetto di studio dei testi antichi, i quali sono fragili e deteriorati a causa della loro età. L’interesse di questo studio riguarda l’utilizzo di tecniche non invasive per indagare approcci di digitalizzazione innovativi e meno invasivi per questi preziosi – e spesso fragili – oggetti. In questo ambito, presso il Dipartimento di Fisica e Astronomia dell’Università di Bologna, si stanno indagando tecniche di digitalizzazione tramite tomografia a raggi X per leggere il contenuto di documenti antichi senza aprirli, evitando così di danneggiarli ulteriormente.
La tomografia a raggi X permette infatti di poter ottenere un’immagine tridimensionale dell’intero documento – scritte comprese – senza la necessità di interventi potenzialmente invasivi/dannosi per l’oggetto.
La lettura delle scritte è resa possibile dalla differenza di contrasto radiografico fra i materiali poco radio-opachi dei supporti – come carta e/o pergamena – e l’elevato assorbimento X degli inchiostri antichi a base ferro - utilizzati per la maggior parte dei manoscritti europei e per svariati secoli.
Per poter però realmente leggere un manoscritto a più pagine è necessario poterle estrarre dal volume e visualizzarle come immagini bidimensionali.
In questa tesi verrà presentata l’analisi e il test di un innovativo software di segmentazione per l’estrazione semi-automatica delle pagine di una scrittura risalente al 1679 ripiegata su se stessa al fine di simulare un documento composto da più pagine.
Attraverso il software sviluppato presso il Laboratorio di Tomografia a Raggi X di Bologna, le immagini tomografiche sono state sottoposte ad una prima fase di pre-processing per minimizzare il rumore ed aumentare così il contrasto fra il segnale delle pagine e quello del background, ad una seconda fase di identificazione automatica delle pagine all’interno del volume 3D ed infine all’estrazione delle pagine sotto forma di immagini.
5
Giunchi, Massimiliano. "Reti neurali per la segmentazione di immagini mediche". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2019.
Buscar texto completoResumen
A partire dagli anni '70, con la diffusione dei primi dispositivi per la tomografia assiale computerizzata (TAC), si è assistito ad un'evoluzione sempre più rapida delle modalità con cui si acquisiscono, si conservano e si analizzano le immagini per la diagnosi medica.
L’elemento che ha segnato il maggior cambiamento è stato il passaggio da informazioni analogiche, statiche e prettamente bidimensionali come quelle che derivano dalle immagini radiografiche (raggi X), ad informazioni digitali, eventualmente dinamiche e contenenti informazioni tridimensionali. Tutto ciò è stato reso possibile attraverso la transizione da sistemi basati su pellicola a sistemi basati su calcolatori. L’immediata conseguenza di questo sviluppo è stata la necessità di generare algoritmi e metodologie di interpretazione dei dati acquisiti, che simulino al meglio la conoscenza dell’esperto umano, che resta, a tutt'oggi, il più efficiente sistema di elaborazione dei dati medicali conosciuti.
Automatizzare il processo di diagnostica, utilizzando un moderno sistema di visione artificiale in grado di segnalare, a partire ad esempio da una radiografia o una risonanza magnetica, quali siano le zone affette da patologia, permetterebbe di velocizzare e rendere più affidabile la diagnosi oltre ad offrire un notevole ausilio a colui che deve redigere un referto medico. Da questo punto di vista gli algoritmi di segmentazione semantica sono in grado di associare un’etichetta o una categoria a ogni pixel dell’immagine e quindi ben si prestano ad identificare in un’immagine medica quali siano le zone che necessitano di un’ulteriore approfondimento. Ma non solo, oggi tali tecniche hanno raggiunto performance tali da essere considerate confrontabili con quelle degli esperti.
In questo lavoro di tesi si vogliono identificare e valutare alcune architetture e tecniche in ambito di semantic segmentation per l’individuazione di patologie a partire da immagini radiografiche.
6
Morotti, Elena. "Metodi numerici per la segmentazione di immagini digitali". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2010. http://amslaurea.unibo.it/1369/.
Texto completo
7
Neri, Mattia. "Segmentazione di immagini mammografiche con convolutional neural networks". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2014. http://amslaurea.unibo.it/6681/.
Texto completoResumen
Il tumore al seno si colloca al primo posto per livello di mortalità tra le patologie tumorali che colpiscono la popolazione femminile mondiale. Diversi studi clinici hanno dimostrato come la diagnosi da parte del radiologo possa essere aiutata e migliorata dai sistemi di Computer Aided Detection (CAD).
A causa della grande variabilità di forma e dimensioni delle masse tumorali e della somiglianza di queste con i tessuti che le ospitano, la loro ricerca automatizzata è un problema estremamente complicato.
Un sistema di CAD è generalmente composto da due livelli di classificazione: la detection, responsabile dell’individuazione delle regioni sospette presenti sul mammogramma (ROI) e quindi dell’eliminazione preventiva delle zone non a rischio; la classificazione vera e propria (classification) delle ROI in masse e tessuto sano. Lo scopo principale di questa tesi è lo studio di nuove metodologie di detection che possano migliorare le prestazioni ottenute con le tecniche tradizionali.
Si considera la detection come un problema di apprendimento supervisionato e lo si affronta mediante le Convolutional Neural Networks (CNN), un algoritmo appartenente al deep learning, nuova branca del machine learning. Le CNN si ispirano alle scoperte di Hubel e Wiesel riguardanti due tipi base di cellule identificate nella corteccia visiva dei gatti: le cellule semplici (S), che rispondono a stimoli simili ai bordi, e le cellule complesse (C) che sono localmente invarianti all’esatta posizione dello stimolo. In analogia con la corteccia visiva, le CNN utilizzano un’architettura profonda caratterizzata da strati che eseguono sulle immagini, alternativamente, operazioni di convoluzione e subsampling. Le CNN, che hanno un input bidimensionale, vengono solitamente usate per problemi di classificazione e riconoscimento automatico di immagini quali oggetti, facce e loghi o per l’analisi di documenti.
8
Fagnani, Alessandro. "Studio e sperimentazione di tecniche di segmentazione semantica di immagini". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2017. http://amslaurea.unibo.it/14468/.
Texto completoResumen
L'apprendimento automatico, per definizione, si distingue per la realizzazione di programmi che migliorano le prestazioni in base all'esperienza.
Il deep learning (apprendimento approfondito o profondo) è una sottoclasse di questi algoritmi, i quali hanno alcune caratteristiche particolari, ma fondamentalmente si basano su reti neurali artificiali. Le reti utilizzate in questa tesi sono le cosiddette convolutional neural networks (CNN), particolari in quanto hanno avuto risultati eccellenti nel area del riconoscimento e nella classificazione delle immagini. In particolare, in questa tesi si affronta ciò che viene definito come semantic segmentation, ovvero il tentativo di realizzare reti neurali in grado, ad esempio, non solo di capire che l'immagine contiene un cane, ma di disegnare, pixel per pixel, dove si trova quest'ultimo.
Nel primo capitolo vengono introdotte le reti neurali, dandone una panoramica generale e soffermandosi sugli aspetti utili per questa tesi. Nel secondo capitolo viene fatto uno studio più approfondito su un particolare schema di reti, le Convolutional Neural Networks (CNN), osservandone i livelli interni e le operazioni fondamentali, con maggiore attenzione a quelle utili per questa tesi. Successivamente, viene fatta una panoramica dell'evoluzione nello studio dell'image processing che ha portato alla definizione del particolare ramo della segmentazione semantica. Nel terzo capitolo, vengono inoltre introdotte le due reti che sono state analizzate e sperimentate in questa tesi: Deconvnet e, in particolare, le Fully Convolutional Networks. Nel quarto ed ultimo capitolo, vengono presentati gli strumenti che sono stati utili per la sperimentazione e viene descritto il codice con cui sono state tradotte le reti studiate. Infine, vengono mostrati i risultati per le reti coinvolte nella sperimentazione ed esposti sia tramite le valutazioni standard, sia con alcune immagini esplicative.
9
D'Ambrosio, Annamaria. "Segmentazione semantica automatica di immagini WSI per applicazioni in Patomica". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2021. http://amslaurea.unibo.it/23197/.
Texto completoResumen
Nella patologia tradizionale, i vetrini vengono preparati con un campione di tessuto del paziente e poi rivisti dal patologo con un microscopio ad alto ingrandimento. Successivamente viene delineata manualmente sull’immagine la Region of Interest (ROI). Obiettivo di questa fase è generare correttamente bordi di strutture anatomiche, in quanto una segmentazione sbagliata potrebbe condurre ad un'errata pianificazione della cura successiva.
La segmentazione è un processo che richiede molto tempo.
Per ovviare a questo si ricorre alla cosidetta Patomica, ovvero la patologia digitale che ha lo scopo, mediante algoritmi computazionali, di estrarre automaticamente parametri quantitativi delle immagini istologiche, al fine di migliorare la velocità e l’accuratezza delle diagnosi. La Patomica ha anche lo scopo di individuare precocemente importanti malattie quali il tumore della pelle.
Il lavoro di questa tesi, nasce proprio con lo scopo di superare questi problemi e rendere più facile il lavoro del patologo dal punto di vista del tempo e dell’accuratezza nella determinazione di eventuali cure.
Oggetto di questo lavoro è lo sviluppo di modelli di segmentazione semantica automatica di immagini WSI di dermatologia prese da tessuti di melanoma raccolti in uno studio clinico del Policlinico Sant'Orsola di Bologna. La segmentazione è basata sull'algoritmo KNN con particolare attenzione alla ricerca e selezione di features che consentano di ottenere i migliori risultati.
Viene in oltre presentato un confronto con altri due modelli supervisionati (Support Vector Machine e Random Forest), allenati sulle stesse features del migliore modello KNN, per paragonarne le performance con quelle ottenute con il modello KNN.
L’utilizzo di modelli supervisionati per il task di segmentazione semantica di immagini WSI con risultati soddisfacenti potrebbe aprire la possibilità futura di utilizzare anche modelli non supervisionati permettendo così un ulteriore aumento dell’efficienza.
10
Cantucci, Filippo. "Segmentazione e categorizzazione di oggetti mediante immagini depth e deep learning". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2015. http://amslaurea.unibo.it/8572/.
Texto completoResumen
Questo lavoro è iniziato con uno studio teorico delle principali tecniche di classificazione di immagini note in letteratura, con particolare attenzione ai più diffusi modelli di rappresentazione dell’immagine, quali il modello Bag of Visual Words, e ai principali strumenti di Apprendimento Automatico (Machine Learning). In seguito si è focalizzata l’attenzione sulla analisi di ciò che costituisce lo stato dell’arte per la classificazione delle immagini, ovvero il Deep Learning.
Per sperimentare i vantaggi dell’insieme di metodologie di Image Classification, si è fatto uso di Torch7, un framework di calcolo numerico, utilizzabile mediante il linguaggio di scripting Lua, open source, con ampio supporto alle metodologie allo stato dell’arte di Deep Learning. Tramite Torch7 è stata implementata la vera e propria classificazione di immagini poiché questo framework, grazie anche al lavoro di analisi portato avanti da alcuni miei colleghi in precedenza, è risultato essere molto efficace nel categorizzare oggetti in immagini.
Le immagini su cui si sono basati i test sperimentali, appartengono a un dataset creato ad hoc per il sistema di visione 3D con la finalità di sperimentare il sistema per individui ipovedenti e non vedenti; in esso sono presenti alcuni tra i principali ostacoli che un ipovedente può incontrare nella propria quotidianità. In particolare il dataset si compone di potenziali ostacoli relativi a una ipotetica situazione di utilizzo all’aperto.
Dopo avere stabilito dunque che Torch7 fosse il supporto da usare per la classificazione, l’attenzione si è concentrata sulla possibilità di sfruttare la Visione Stereo per aumentare l’accuratezza della classificazione stessa. Infatti, le immagini appartenenti al dataset sopra citato sono state acquisite mediante una Stereo Camera con elaborazione su FPGA sviluppata dal gruppo di ricerca presso il quale è stato svolto questo lavoro. Ciò ha permesso di utilizzare informazioni di tipo 3D, quali il livello di depth (profondità) di ogni oggetto appartenente all’immagine, per segmentare, attraverso un algoritmo realizzato in C++, gli oggetti di interesse, escludendo il resto della scena. L’ultima fase del lavoro è stata quella di testare Torch7 sul dataset di immagini, preventivamente segmentate attraverso l’algoritmo di segmentazione appena delineato, al fine di eseguire il riconoscimento della tipologia di ostacolo individuato dal sistema.