Università degli Studi di Napoli Federico II. Laurea triennale in informatica
|
|
- Violetta Cecchini
- 7 anni fa
- Visualizzazioni
Transcript
1 Università deli Studi di Napoli Federico II Laurea triennale in informatica PROGETTAZIONE E SVILUPPO DI UN ALGORITMO PER LA SEGMENTAZIONE DI IMMAGINI MRI BASATO SULL ENTROPIA (DESIGN AND DEVELOPMENT OF AN ALGORITHM FOR THE MRI IMAGES SEGMENTATION BASED ON ENTROPY) Relatore: Dott. Daniel Riccio Candidato: Ivan Giuseppe Larenza N86/669
2 DEFINIZIONE DEL PROBLEMA 1) Quantizzare l immaine mediante clusterin 2) Localizzare eventuale massa tumorale Fuzzy Clusterin interato con metodi level set: sfrutta il fuzzy clusterin i cui risultati servono per avviare la sementazione level set, stimare i controlli dei parametri e reolarizzare l evoluzione level set Simmetria: si basa sulla simmetria saittale di un cervello sano. Aree che rompono questa simmetria rappresentano tessuto affetto da patoloie. 2
3 ENTROPIA L entropia è utilizzata come strumento per la selezione di un sottoinsieme di oetti da un insieme oriinario. Clusterin sui toni di riio ({0 255}) H( I) 255 k0 p( x )lo 2 ( p( )), k x k È necessario definire una adeuata misura di similarità fra i diversi toni di riio. 3
4 MISURA DI SIMILARITÀ FRA TONI DI GRIGIO Si definisce una misura di similarità fra toni di riio: s( i, j ) Si vuole considerare tale similarità, come una probabilità, per cui: 1) Il valore della similarità deve essere compreso tra 0 e 1 2) la sommatoria delle probabilità deve essere uuale a 1 Basata su tre componenti: 1) Differenza pesata tra toni di riio 2) Differenza effettiva tra toni di riio p i i p j j lo i 1 j 3) Sparsità I i, I j 4
5 MISURA DI SIMILARITÀ FRA TONI DI GRIGIO 5 p( i ) è la probabilità dell i-esimo tono di riio che occorre nell immaine. j i j i j j i i j i I I p p s, 1 lo 1,
6 Variazione prodotta ALGORITMO a) Crea il primo cluster e inserisce il primo elemento. b)se l elemento corrente è su un tratto discendente della curva, lo inserisce nel cluster corrente, altrimenti crea un nuovo cluster. c)se l elenco deli elementi da selezionare è non vuoto, ritorna al punto b). Toni di riio nell ordine prodotto dall aloritmo 6
7 IMMAGINE DEI CLUSTER CON RELATIVO ISTOGRAMMA Vantai: Non è necessario specificare in anticipo il numero dei cluster. l assenazione deli elementi ai cluster è fatta sulla base non dei sinoli pixel ma dei toni di riio (0 255), riducendo il costo computazionale. 7
8 QUANTIZZAZIONE DI IMMAGINI MRI le diverse modalità di immaini MRI usate per sviluppare l aloritmo sono: T1, T2, FLAIR e T1C. T1 T1C T1 T1C T2 FLAIR T2 FLAIR 8
9 LOCALIZZAZIONE DELLA MASSA TUMORALE T1 T1C Sementazione: Nucleo: l aloritmo effettua un prodotto pixel per pixel tra T1C e FLAIR, e allo stesso modo tra FLAIR e T2. I risultati sono combinati mediante un and loico. T2 FLAIR L edema: analizza l immaine FLAIR; estrae i pixel con tono di riio tendente al bianco. Da questo insieme elimina i toni di riio ià classificati come nucleo. Massa completa: unisce li insiemi di pixel contenenti il nucleo e l edema. Ground truth Risultato ottenuto 9
10 DATASET USATO (BRATS) Le immaini usate per la valutazione di questa tecnica sono prese dal dataset BRATS, che contiene immaini completamente anonime provenienti da diversi istituti: ETH di Zurio, Università di Berna, Università del Debrecen e l università dello Utah. Il dataset contiene immaini di risonanze manetiche scansionate da 30 pazienti (basso rado, alto rado) ed anche immaini in cui la massa tumorale è stata simulata per 25 tumori di rado alto e 25 di rado basso. Nel dataset è disponibile l annotazione manuale effettuata da esperti (round truth) per il nucleo, l edema e la massa completa. La misura di valutazione dell accuratezza che è stata adottata è il coefficiente Dice (DC), il quale varia fra 0 (nessuna corrispondenza) e 1 (corrispondenza perfetta). 10
11 CONFRONTO CON IL METODO SULLA SIMMETRIA Entrambi i metodi sono stati testati sullo stesso subset di BRATS Si evidenzia che in letteratura un DC > 0.7 indica una similarità eccellente 11
12 CONCLUSIONI Problema affrontato: Quantizzare e sementare immaini MRI del cervello. Soluzione: Usare come tecnica l entropia. Risultati Ottenuti: la soluzione proposta, per quanto ulteriormente miliorabile, ha fornito risultati confrontabili, o anche miliori, rispetto a recenti tecniche (2014) presentate in letteratura. 12
13 GRAZIE PER LA CORTESE ATTENZIONE 13
Definizione automatica della scala spaziale per la segmentazione di immagini SAR in ambiente urbano
Definizione automatica della scala spaziale per la segmentazione di immagini SAR in ambiente urbano I. INTRODUZIONE Giovanna Trianni, Università di Pavia Il mio lavoro di ricerca si colloca nell ambito
DettagliUniversità degli Studi di Napoli Federico II Dipartimento di Ingegneria Elettrica e Tecnologie dell Informazione Corso di Laurea in Informatica
Prot. n. 37/14 di Laurea triennale in INFORMATICA Oggetto: Esame finale di Laurea triennale in INFORMATICA Comunico che il giorno 10 dicembre 2014 alle ore 14:00, nell aula A5 (Aulario A), complesso Monte
DettagliRiconoscimento e recupero dell informazione per bioinformatica
Riconoscimento e recupero dell informazione per bioinformatica Clustering: introduzione Manuele Bicego Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Una definizione
DettagliIngegneria della Conoscenza e Sistemi Esperti Lezione 4: Alberi di Decisione
Ingegneria della Conoscenza e Sistemi Esperti Lezione 4: Alberi di Decisione Dipartimento di Elettronica e Informazione Apprendimento Supervisionato I dati considerati considerati degli esempi di un fenomeno
DettagliTest diagnostici- 1. Un test diagnostico perfetto dovrebbe dare esito positivo in tutti i soggetti malati e esito negativo in tutti i soggetti sani.
Test diagnostici- 1 Un test diagnostico è un metodo usato per diagnosticare una certa malattia: per esempio il Pap test è un metodo per diagnosticare il tumore del collo dell utero, la glicemia è un metodo
DettagliLuigi Santoro. Hyperphar Group S.p.A., MIlano
Come modellare il rischio Luigi Santoro Hyperphar Group S.p.A., MIlano Gli argomenti discussi Le definizioni del termine rischio L utilità di un modello predittivo di rischio Come costruire modelli predittivi
DettagliRappresentazione dei numeri: il sistema di numerazione decimale
Università degli Studi di Cagliari Facoltà di Scienze Corso di Laurea in Matematica Corso di Elementi di Informatica Lezione 3 14 marzo 2017 Dott. A.A. 2016/2017 pgarau.unica@gmail.com 1 Codifica dei numeri
DettagliUniversity of Rome Tor Vergata Department of Electronics Engineering. Ultra WideBand (UWB) Radar Imaging Algorithms for Human Stroke Detection
University of Rome Tor Vergata Department of Electronics Engineering Ultra WideBand (UWB) Radar Imaging Algorithms for Human Stroke Detection Dott. Simone Di Domenico 21/12/2018 - A.A. 2018/2019 Indice
DettagliImmagini binarie. Binarizzazione di immagini a livelli di grigio
Immagini binarie Binarizzazione di immagini a livelli di grigio Immagini binarie In molti casi gli le scene di interesse conducono ad immagini che possono essere considerate binarie, cioè contenenti nel
DettagliSegmentazione automatica della carotide basata sulla classificazione dei pixel
Segmentazione automatica della carotide basata sulla classificazione dei pixel Samanta Rosati, Filippo Molinari, Gabriella Balestra Biolab, Dipartimento di Elettronica e Telecomunicazioni, Politecnico
DettagliQUANTIZZATORE VETTORIALE
QUANTIZZATORE VETTORIALE Introduzione Nel campo delle reti neurali, la scelta del numero di nodi nascosti da usare per un determinato compito non è sempre semplice. Per tale scelta potrebbe venirci in
DettagliSegmentazione di immagini
Segmentazione di immagini È il processo di suddividere una immagine in un certo numero di regioni (insiemi di pixel) omogenee Ogni regione è omogenea rispetto ad alcune caratteristiche (livello di grigio,
DettagliIA a supporto del Medical Imaging
IA a supporto del Medical Imaging Nadia Brancati 1, Giuseppe De Pietro 1, Maria Frucci 1, Francesco Gargiulo 1, and Daniel Riccio 1, 2 1 Istituto di Calcolo e Reti ad Alte Prestazioni (ICAR-CNR) 2 Università
DettagliIndicizzazione di feature locali. Annalisa Franco
1 Indicizzazione di feature locali Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Introduzione I descrittori locali sono vettori di uno spazio N- dimensionale (alta dimensionalità)
DettagliSegmentazione di immagini in scala di grigio basata su clustering
Segmentazione di immagini in scala di grigio basata su clustering Davide Anastasia, Nicola Cogotti 24 gennaio 06 1 Analisi del problema La segmentazione di immagini consiste nella suddivisione in un certo
DettagliCAPITOLO 8 Piani fattoriali frazionari a due livelli
Douglas C. Montgomery Progettazione e analisi degli esperimenti 2006 McGraw-Hill CAPITOLO 8 Piani fattoriali frazionari a due livelli Metodi statistici e probabilistici per l ingegneria Corso di Laurea
DettagliIntroduzione a Matlab
Introduzione a Matlab Skin Detection & Iris Normalization Fondamenti di Visione Artificiale a.a. 2015/2016 12/05/16 Estrazione dei Contorni 1 Skin Detection - Introduzione Il processo di skin detection
DettagliTESI DI LAUREA IN INFORMATICA
UNIVERSITA DEGLI STUDI DI NAPOLI FEDERICO II TESI DI LAUREA IN INFORMATICA UNA WEB APPLICATION SU INFRASTRUTTURA PER IL PROGETTO DAME Tutor Accademico: Dott.ssa Anna Corazza Tutor Aziendale: Dott. Massimo
DettagliAstrazione automatica di regole per sistemi IoT: un approccio rivolto ad utenti non esperti
Politecnico di Torino CORSO DI LAUREA MAGISTRALE IN INGENGERIA INFORMATICA Astrazione automatica di regole per sistemi IoT: un approccio rivolto ad utenti non esperti RELATORI: Fulvio Corno Luigi De Russis
DettagliUTILIZZO DELL ANALISI DELLE COMPONENTI PRINCIPALI (PCA) DI DATI HVSR FINALIZZATO ALLA ZONAZIONE SISMICA
UTILIZZO DELL ANALISI DELLE COMPONENTI PRINCIPALI (PCA) DI DATI HVSR FINALIZZATO ALLA ZONAZIONE SISMICA Terremoto de L Aquila, 2009 Gallipoli et al., 2011 Lo scopo di questo lavoro è quello di indagare
DettagliEsperimento ATLAS INFN ed Università di Bologna PROPOSTA PER SVOLGERE IL TIROCINIO-MONDO LAVORO PRESSO L ESPERIMENTO ATLAS
i Esperimento ATLAS INFN ed Università di Bologna PROPOSTA PER SVOLGERE IL TIROCINIO-MONDO LAVORO PRESSO L ESPERIMENTO ATLAS Il guppo di Bologna dell esperimento ATLAS propone un tirocinio di lavoro nel
DettagliTest Diagnostici. Vogliamo studiare il problema dal punto di vista della probabilità.
est Diagnostici Un test diagnostico è un metodo usato per diagnosticare una certa malattia: per esempio il Pap test è un metodo per diagnosticare il tumore del collo dell utero, la glicemia è un metodo
DettagliBag of (visual) Words. BoW. Input image. Dizionario visuale. Rappresentazione
Bag of (visual) Words BoW Il modello è stato proposto con l obiettivo di rappresentare un immagine tramite un dizionario visuale. Il metodo BoW si ispira alle tecniche di rappresentazione dei documenti
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 10 Combinazione di classificatori Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr
DettagliUniversità degli Studi di Pisa
Università degli Studi di Pisa Corso di Laurea Specialistica in Ingegneria Biomedica A.A. 07-08 Tesi di Laurea Specialistica Segmentazione di immagini biomediche con approccio Dynamic Programming Riassunto
DettagliEsercizio: apprendimento di congiunzioni di letterali
input: insieme di apprendimento istemi di Elaborazione dell Informazione 18 Esercizio: apprendimento di congiunzioni di letterali Algoritmo Find-S /* trova l ipotesi più specifica consistente con l insieme
DettagliUniversità degli Studi di Napoli Federico II Dipartimento di Ingegneria Elettrica e Tecnologie dell Informazione Corso di Laurea in Informatica
Bozza 15 ottobre 2014 1 Università degli Studi di Napoli Federico II Dipartimento di Ingegneria Elettrica e Tecnologie dell Informazione Corso di Laurea in Informatica Via Claudio 21 - c/o Scuola Politecnica
DettagliMulti classificatori. Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna
Multi classificatori Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Combinazione di classificatori Idea: costruire più classificatori di base e predire la classe di appartenza di
DettagliUniversità degli studi di Napoli Federico II
Università degli studi di Napoli Federico II Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Scienze e Tecnologie Informatiche Tesi di Laurea Triennale NExt (Neural Extractor) II:
DettagliU n i v e r s i t à d e l P i e m o n t e O r i e n t a l e A m e d e o A v o g a d r o. Guido Vicino
U n i v e r s i t à d e l P i e m o n t e O r i e n t a l e A m e d e o A v o g a d r o Corso di Laurea Specialistica in Informatica dei Sistemi Avanzati e dei Servizi di Rete Studio introduttivo alle
DettagliIn questa lezione Strutture dati elementari: Pila Coda Loro uso nella costruzione di algoritmi.
In questa lezione Strutture dati elementari: Pila Coda Loro uso nella costruzione di algoritmi. 1 strutture dati (astratte) Una struttura dati astratti consiste di uno o più insiemi con delle operazioni
DettagliProva scritta di Statistica Applicata alle Decisioni Aziendali Prof.ssa Conigliani -...
Prova scritta di Statistica Applicata alle Decisioni Aziendali Prof.ssa Conigliani -... COGNOME:............................................................ NOME:.....................................................................
DettagliLa codifica dell informazione. Rappresentazione binaria. Rappresentazione posizionale in base 10
La codifica dell informazione Rappresentazione binaria Tutta l informazione interna ad un computer è codificata con sequenze di due soli simboli : 0 e 1 L unità elementare di informazione si chiama bit
DettagliELABORAZIONE E CODIFICA DI IMMAGINI BITONALI
Università degli Studi di Trieste Corso di Elaborazione Elettronica di Immagini II ELABORAZIONE E CODIFICA DI IMMAGINI BITONALI Sommario Parte 1 1 2 3 Parte 2 4 Codifica CCITT Fax 5 Codifica JBIG2 Proprietà
DettagliPUÒ RIPETERSI UN EVENTO SIMILE?
ORDINE DEGLI INGEGNERI DELLA PROVINCIA DI VENEZIA ing. Alvise Fiume i4 Consulting S.r.l. PUÒ RIPETERSI UN EVENTO SIMILE? ANALISI E RIFLESSIONI SULLE MISURE DI PRECIPITAZIONE 1992 2016 Martedì 26 settembre
DettagliLa codifica dell informazione
La codifica dell informazione Rappresentazione binaria Tutta l informazione interna ad un computer è codificata con sequenze di due soli simboli : 0 e 1 L unità elementare di informazione si chiama bit
DettagliCorso di Perfezionamento
Programmazione Dinamica 1 1 Dipartimento di Matematica e Informatica Università di Camerino 15 febbraio 2009 Tecniche di Programmazione Tecniche di progettazione di algoritmi: 1 Divide et Impera 2 Programmazione
DettagliAnno accademico Presentazione del corso di Elaborazione di Segnali Multimediali
Anno accademico 2009-2010 Presentazione del corso di Elaborazione di Segnali Multimediali Informazioni sul docente E-mail: verdoliv@unina.it Sito web: www.die.unina.it/gruppotlc/didattica/corsi.shtml Orario
DettagliUniversity of Messina, Italy
ERRORI CASUALI ELL AALISI CHIMICA Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
DettagliUso dell algoritmo di Quantizzazione Vettoriale per la determinazione del numero di nodi dello strato hidden in una rete neurale multilivello
Tesina di Intelligenza Artificiale Uso dell algoritmo di Quantizzazione Vettoriale per la determinazione del numero di nodi dello strato hidden in una rete neurale multilivello Roberto Fortino S228682
DettagliClassificazione Mario Guarracino Data Mining a.a. 2010/2011
Classificazione Mario Guarracino Data Mining a.a. 2010/2011 Introduzione I modelli di classificazione si collocano tra i metodi di apprendimento supervisionato e si rivolgono alla predizione di un attributo
DettagliRicerca di outlier. Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliFusione delle Immagini in Radioterapia Riccardo Ragona Università di Torino
Fusione delle Immagini in Radioterapia Riccardo Ragona Università di Torino Introduzione Transformazioni Algoritmi Visualizzazione Validazione Applicazioni Conclusioni Perche la Fusione delle Immagini?
DettagliCorso di Progettazione del Software
T. Mancini & M. Scannapieco E.P.1 Segreteria Studenti (SOLUZIONE) February 25, 2008 p. 1/20 Università degli Studi di Roma La Sapienza Facoltà di Ingegneria Corso di Laurea in Ingegneria Gestionale Corso
DettagliApprendimento Automatico
Apprendimento Automatico Metodi Bayesiani Fabio Aiolli 11 Dicembre 2017 Fabio Aiolli Apprendimento Automatico 11 Dicembre 2017 1 / 19 Metodi Bayesiani I metodi Bayesiani forniscono tecniche computazionali
DettagliUniversità degli Studi di L Aquila Facoltà di Scienze M.F.N. Corso di Laurea in Informatica. Modulo di Laboratorio di Algoritmi e Strutture Dati
Università degli Studi di L Aquila Facoltà di Scienze M.F.N. Corso di Laurea in Informatica Modulo di Laboratorio di Algoritmi e Strutture Dati Alberi binari Giovanna Melideo melideo@di.univaq.it 1 Alberi
DettagliELEMENTI DI TEORIA MUSICALE
ELEMENTI DI TEORIA MUSICALE DISPENSA INTERNA PER L ESAME DI AMMISSIONE AL LICEO MUSICALE CARDUCCI DANTE DI TRIESTE a cura del docente Roberto Frisano La musica La musica è una forma di espressione che
DettagliDistribuzione Normale. Dott. Claudio Verona
Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per
DettagliProblemi pratici teorici-sperimentali
Problemi pratici teorici-sperimentali 1. Se viene fatta una sola misura come si estrae la deviazione standard? Risposta: per convenzione si prende come deviazione standard la metà della sensibilità dello
DettagliUNIVERSITA' DEGLI STUDI DI PERUGIA FACOLTA' DI SCIENZE MATEMATICHE, FISICHE E NATURALI
UNIVERSITA' DEGLI STUDI DI PERUGIA FACOLTA' DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN INFORMATICA APPLICAZIONE DELL'ANSWER SET PROGRAMMING NELLA SISTEMATICA FILOGENETICA RELATORE: ANDREA
DettagliApprendimento basato sulle istanze
Apprendimento basato sulle istanze Apprendimento basato sulle istanze Apprendimento: semplice memorizzazione di tutti gli esempi Classificazione di una nuova istanza x j : reperimento degli
DettagliEstrazione dei bordi
Estrazione dei bordi L algoritmo di Marr-Hildreth L algoritmo di Canny Operatori per l estrazione dei bordi (edge operators) Lo scopo di questi operatori è quello di generare un immagine dei bordi (edge
DettagliUniversità degli Studi di Napoli Federico II
Università degli Studi di Napoli Federico II Corso di Laurea Triennale in INGEGNERIA PER L AMBIENTE E IL TERRITORIO TESI DI LAUREA «ESPLOSIONI DI POLVERI DELL INDUSTRIA FARMACEUTICA E ALIMENTARE: RICOGNIZIONE
DettagliSmart Vision - Le tecnologie per l industria del futuro
Utilizzo delle VPU di ultima generazione per applicazioni Deep Learning nella Machine Vision Dott. Mattia Alberto Salomao, Applications Engineering Manager Visionlink Smart Vision - Le tecnologie per l
DettagliQuarta lezione. 1. Ricerca di omologhe in banche dati. 2. Programmi per la ricerca: FASTA BLAST
Quarta lezione 1. Ricerca di omologhe in banche dati. 2. Programmi per la ricerca: FASTA BLAST Ricerca di omologhe in banche dati Proteina vs. proteine Gene (traduzione in aa) vs. proteine Gene vs. geni
DettagliTraining Set Test Set Find-S Dati Training Set Def: Errore Ideale Training Set Validation Set Test Set Dati
" #!! Suddivisione tipica ( 3 5 6 & ' ( ) * 3 5 6 = > ; < @ D Sistemi di Elaborazione dell Informazione Sistemi di Elaborazione dell Informazione Principali Paradigmi di Apprendimento Richiamo Consideriamo
DettagliLez. 7 Immagini Digitali. Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1
Lez. 7 Immagini Digitali Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1 Dott. Pasquale De Michele Dott. Raffaele Farina Dipartimento di Matematica e Applicazioni Università di Napoli
DettagliUniversità degli Studi di Napoli Federico II
Università degli Studi di Napoli Federico II Facoltà di Ingegneria Corso di Laurea in Ingegneria Strutturale e Geotecnica Dipartimento di Ingegneria Geotecnica Tesi di laurea Fondazioni miste platee su
DettagliPreprocessamento di immagini per la classificazione in GRASS
Preprocessamento di immagini in GRASS Preprocessamento di immagini per la classificazione in GRASS Marco Ciolli 1, Clara Tattoni 2, Alfonso Vitti 1, Paolo Zatelli 1 1 Dipartimento di Ingegneria Civile,
DettagliTesting automatico di applicazioni Android
tesi di laurea Testing automatico di applicazioni Android Anno Accademico 2011/12 relatore Ch.mo prof. Porfirio Tramontana candidato Francesco Castiglia Matr. 885000542 Tool preesistente: CRAWLER Testa
DettagliBICOOP Churn Analisys
BICOOP Churn Analisys Definizione del concetto di abbandono e creazione di modelli previsionali Mirco Nanni KDD Lab,ISTI-CNR, Pisa mirco.nanni@isti.cnr.it Master MAINS, 6 luglio 2009 Sommario Introduzione
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 5 - INTEGRAZIONE NUMERICA Lucio Demeio Dipartimento di Scienze Matematiche 1 Integrazione numerica: formule di Newton-Cotes semplici 2 3 Introduzione
DettagliIvan Marchesini, Mauro Rossi, Paola Salvati, Marco Donnini, Francesca Ardizzone, Stefano Gariano CNR IRPI
La Spezia, 2019-01-24 SCENARI DI PERICOLOSITÀ IDRAULICA E MODELLI DI CLASSIFICAZIONE STATISTICA Descrizione del metodo e applicazione a La Spezia Ivan Marchesini, Mauro Rossi, Paola Salvati, Marco Donnini,
DettagliModulo 2 Data Base - Modello Relazionale
Modulo 2 Data Base - Modello Relazionale Università degli Studi di Salerno Corso di Laurea in Scienze della comunicazione Informatica generale Docente: Angela Peduto A.A. 2004/2005 Modello Relazionale
DettagliCorso di Laurea Specialistica in Ingegneria Informatica
UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI INGEGNERIA Corso di Laurea Specialistica in Ingegneria Informatica Ragionamento Qualitativo e Apprendimento Automatico per l'analisi di Dati di Genomica RELATORE:
DettagliInformatica Grafica. Gianluigi Ciocca, Simone Bianco F1801Q120
Informatica Grafica Gianluigi Ciocca, Simone Bianco F80Q20 Renderingdi primitive 2D Filling () Scan Line Polgon Fill Algorithm Per ogni riga dell immagine (line) Determinare le intersezioni con gli edge
DettagliRiconoscimento e recupero dell informazione per bioinformatica. Clustering: validazione. Manuele Bicego
Riconoscimento e recupero dell informazione per bioinformatica Clustering: validazione Manuele Bicego Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Sommario Definizione
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II CORSO DI LAUREA MAGISTRALE IN INGEGNERIA STRUTTURALE E GEOTECNICA CLASSE DELLE LAUREE MAGISTRALI IN INGEGNERIA CIVILE, CLASSE LM-23 DIPARTIMENTO DI STRUTTURE
DettagliKeywords: Gliomi cerebrali, radioterapia, variabilità inter-osservatore;
Titolo: Radioterapia postoperatoria nei gliomi cerebrali: analisi della variabilità interosservatore nella delineazione del target e valutazione della distribuzione geografica delle recidive. Autori: Cazzulo
DettagliStratX Piattaforma di analisi polmonare CURATE CON FIDUCIA
StratX Piattaforma di analisi polmonare CURATE CON FIDUCIA StratX Piattaforma di analisi polmonare Un servizio di analisi tramite TCQ (tomografi a computerizzata quantitativa) basato su cloud che supporta
DettagliAlgoritmi per il riconoscimento dell iride
Algoritmi per il riconoscimento dell iride 1 L O C A L B I N A R Y P A T T E R N - S C A L E I N V A R I A N T F E A T U R E T R A S F O R M - C U M U L A T I V E S U M S A cura di: Chiara Galdi http://biplab.unisa.it/
DettagliRiconoscimento e recupero dell informazione per bioinformatica
Riconoscimento e recupero dell informazione per bioinformatica Analisi Immagini Biomedicali Manuele Bicego Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Parte del
DettagliHISTOGRAM MATCHING Di Raimondo Graziano - Nicolosi Salvatore Multimedia A.A
HISTOGRAM MATCHING Di Raimondo Graziano - Nicolosi Salvatore Multimedia A.A 2013-2014 Introduzione Un istogramma è un grafico che mostra la distribuzione delle varie tonalità di una data immagine digitale
DettagliL imaging morfologico. Maja Ukmar. U.C.O di Radiologia Azienda Ospedaliero-Universitaria Ospedali Riuniti Trieste
LA DIAGNOSTICA PER IMMAGINI NEL TREATMENT PLANNING DELLA RADIOTERAPIA L imaging morfologico Maja Ukmar U.C.O di Radiologia Azienda Ospedaliero-Universitaria Ospedali Riuniti Trieste Radiogramma diretto
DettagliLocalizzazione di densità di corrente attraverso algoritmi iterativi sparsi. Gabriella Bretti Università di Roma La Sapienza
Localizzazione di densità di corrente attraverso algoritmi iterativi sparsi Gabriella Bretti Università di Roma La Sapienza Tomografia magnetica La tomografia magnetica ricostruisce le distribuzioni di
DettagliIXIP IXip probabilità di cancro alla prostata (PCa) biopsia alla prostata
IXIP IXip è un nuovo indice diagnostico che fornisce la probabilità di cancro alla prostata (PCa) in un dato paziente e permette di ridurre il numero di biopsie prostatiche con esito negativo. La biopsia
DettagliVideo Scrittura (MS Word) Lezione 2 Tabelle e Immagini
Video Scrittura (MS Word) Lezione 2 Tabelle e Immagini Word consente di inserire nello stesso documento, oltre al testo, molte altri generi di informazioni: - Tabelle - Immagini - Disegni, forme particolari
DettagliArray e Oggetti. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 12. A. Miola Dicembre 2006
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 12 Array e Oggetti A. Miola Dicembre 2006 http://www.dia.uniroma3.it/~java/fondinf1/ Array e Oggetti 1 Contenuti Array paralleli
DettagliManuale di KMouth. Gunnar Schmi Dt Traduzione della documentazione: Federico Zenith
Gunnar Schmi Dt Traduzione della documentazione: Federico Zenith 2 Indice 1 Introduzione 5 2 Uso di KMouth 6 2.1 Le impostazioni al primo avvio.............................. 6 2.2 La finestra principale....................................
DettagliSistemi per il rilascio controllato di farmaci: modellazione e simulazione
UNIVERSITA DEGLI STUDI DI ROMA TOR VERGATA Facoltà di Ingegneria Corso di laurea in Ingegneria Medica Sistemi per il rilascio controllato di farmaci: modellazione e simulazione Relatore Prof.ssa Federica
DettagliSviluppo di strumenti grafici su una Web Application per il data mining
Sviluppo di strumenti grafici su una Web Application per il data mining Università degli studi di Napoli Federico II FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Informatica 4
DettagliImage segmentation. Elaborazione intermedia
Image segmentation Edge detection Elaborazione intermedia elaborazione intermedia si occupa di ottenere una descrizione signiicativa della scena mediante la segmentazione suddivisione della immagine in
DettagliDistribuzione Normale. Dott. Claudio Verona
Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per
DettagliIndici di variabilità
Indici di variabilità 1. Prendendo in considerazione il numero di addetti per classi e le aziende: Addetti Aziende 0-5 195 5-10 225 10-25 360 25-40 180 40-100 40 - determinare la varianza e lo scarto quadratico
DettagliUniversity of Messina, Italy
ERRORI CASUALI NELL ANALISI CHIMICA 1 Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
DettagliIl Dipartimento di Informatica e i suoi corsi
Il Dipartimento di Informatica e i suoi corsi Il Dipartimento di Informatica Primo classificato a punteggio pieno nella lista dei 180 dipartimenti italiani di eccellenza (tutte le discipline) 2018 Primo
DettagliMisura della performance di ciascun modello: tasso di errore sul test set
Confronto fra modelli di apprendimento supervisionato Dati due modelli supervisionati M 1 e M costruiti con lo stesso training set Misura della performance di ciascun modello: tasso di errore sul test
DettagliDalla prima lezione. LABORATORIO DI PROGRAMMAZIONE Corso di laurea in matematica 7 VARIABILI E COSTANTI 28/02/2016. Concetto di algoritmo
LABORATORIO DI PROGRAMMAZIONE Corso di laurea in matematica 7 VARIABILI E COSTANTI Marco Lapegna Dipartimento di Matematica e Applicazioni Universita degli Studi di Napoli Federico II wpage.unina.it/lapegna
DettagliClassificazione di immagini aeree. Annalisa Franco
Classificazione di immagini aeree Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Classificazione di immagini aeree Scopo di questa esercitazione è l implementazione di una tecnica
DettagliIngegneria della Conoscenza e Sistemi Esperti Lezione 5: Regole di Decisione
Ingegneria della Conoscenza e Sistemi Esperti Lezione 5: Regole di Decisione Dipartimento di Elettronica e Informazione Politecnico di Milano Perchè le Regole? Le regole (if-then) sono espressive e leggibili
DettagliTIPI DI DATO NELLA CARTELLA CLINICA ELETTRONICA: BIOSEGNALI, BIOIMMAGINI E BIOFILMATI. Corso di Informatica Medica
Università degli Studi di Trieste Corso di Laurea Magistrale in INGEGNERIA CLINICA TIPI DI DATO NELLA CARTELLA CLINICA ELETTRONICA: BIOSEGNALI, BIOIMMAGINI E BIOFILMATI Corso di Informatica Medica Docente
DettagliProblemi pratici teorici-sperimentali
Problemi pratici teorici-sperimentali 1. Se viene fatta una sola misura come si estrae la deviazione standard? Risposta: per convenzione si prende come deviazione standard la metà della sensibilità dello
DettagliELABORAZIONE DELLE IMMAGINI:
Università degli Studi di Catania Facoltà di Scienze Matematiche,Fisiche e Naturali Corso di Laurea in Informatica, Secondo Livello ELABORAZIONE DELLE IMMAGINI: EDGE DETECTION Corso di Analisi Numerica
DettagliStrutture di controllo iterative
Andrea Marin Università Ca Foscari Venezia Laurea in Informatica Corso di Programmazione part-time a.a. 2011/2012 Introduzione Problema Scrivere un programma che acquisisca da standard input un intero
DettagliICA per analisi di gruppo
ICA per analisi di gruppo Simone Romano 1 1 Università degli Studi di Salerno Elaborazione di segnali ed immagini biomediche Prof. Fabrizio Esposito. Romano (Università degli Studi di Salerno) ICA per
DettagliRappresentazione dei numeri interi in un calcolatore
Corso di Calcolatori Elettronici I A.A. 2012-2013 Rappresentazione dei numeri interi in un calcolatore Prof. Roberto Canonico Università degli Studi di Napoli Federico II Dipartimento di Ingegneria Elettrica
DettagliUniversità degli Studi di Napoli Federico II UN METODO DI ANALISI PER LA MODELLAZIONE DEL FENOMENO DI ROTTURA PROGRESSIVA NEI PENDII
Università degli Studi di Napoli Federico II DIPARTIMENTO DI INGEGNERIA CIVILE, EDILE E AMBIENTALE Corso di Laurea in INGEGNERIA PER L AMBIENTE E IL TERRITORIO (Classe delle Lauree Magistrali in Ingegneria
Dettagli