ANALYSIS BASED ON DEEP LEARNING OF BIOMEDICAL SIGNALS AND IMAGES

Tuttavia all approcci sono quasi semper usati come modelli “black-box”, rendendo difficile spiegare perché un classificatore ha prodotto un certo risultato. Modelli end-to-end potrebbero mitigare questo problema, permettendo di interpretationare i risultati with tecniche di visualizzazione dedicate. A tal proposito, i progetti di tesi The most important task is to contribute to creating a new application based on Deep Learning for the diagnostic medicine in different clinics, including the advanced metrology and similar models end-to-end.

A riguardo sono disponibili tesi in quattro ambiti applicativi:


• Fibrillazione atriale (con processamento di segnali ECG)

• Fonocardiogram process

• Rilevamento di istotipi nel cancro ai polmoni (da TAC)

• Relevamento di idrocefalo normoteso (da risonanze magnetiche)


The application of Deep Learning in scenari e  . They will be able to press the Department of Information Technology at the Politecnica delle Marche.


Strumenti and technology: Keras, TensorFlow, Google Colab, Python and similar.

ANALYSIS & LOGIC

REAL TIME SYSTEMS

MULTI-AGENT SYSTEMS

DEEP LEARNING

AUGMENTED & VIRTUAL REALITY

BIOMETRY

   Copyright AIRTLAB 2024- Powered by Digitarab Solution Consulting - All rights reserved  - Privacy Info