La diagnosi delle malattie autoimmuni rappresenta un problema molto importante in medicina. Il test più utilizzato a questo scopo è il test anticorpo antinucleo, un test indiretto di immunofluorescenza. Il metodo proposto affronta tale problema sfruttando le metodologie del Machine Learning. In particolare, fa uso di reti neurali pre-addestrate in grado di classificare i pattern auto anticorpali collegati alle patologie autoimmuni. Gli strati delle reti pre-addestrate e vari parametri di sistema sono stati valutati al fine di ottimizzare il processo. Le prestazioni del sistema sono state valutate in termini di accuratezza in un processo di cross validation, mostrando efficienza e robustezza.

Cascio Donato, Taormina Vincenzo (2019). Analisi di test di Immunofluorescenze indiretta per il supporto alla diagnosi di Malattie Autoimmuni basata su Deep Learning.. In Società Italiana di Fisica.

Analisi di test di Immunofluorescenze indiretta per il supporto alla diagnosi di Malattie Autoimmuni basata su Deep Learning.

Cascio Donato
;
Taormina Vincenzo
2019-01-01

Abstract

La diagnosi delle malattie autoimmuni rappresenta un problema molto importante in medicina. Il test più utilizzato a questo scopo è il test anticorpo antinucleo, un test indiretto di immunofluorescenza. Il metodo proposto affronta tale problema sfruttando le metodologie del Machine Learning. In particolare, fa uso di reti neurali pre-addestrate in grado di classificare i pattern auto anticorpali collegati alle patologie autoimmuni. Gli strati delle reti pre-addestrate e vari parametri di sistema sono stati valutati al fine di ottimizzare il processo. Le prestazioni del sistema sono state valutate in termini di accuratezza in un processo di cross validation, mostrando efficienza e robustezza.
2019
Malattie autoimmuni; test IFI; machine learning; deep learning; CNN; accuratezza
Cascio Donato, Taormina Vincenzo (2019). Analisi di test di Immunofluorescenze indiretta per il supporto alla diagnosi di Malattie Autoimmuni basata su Deep Learning.. In Società Italiana di Fisica.
File in questo prodotto:
File Dimensione Formato  
SIF.pdf

accesso aperto

Tipologia: Pre-print
Dimensione 603 kB
Formato Adobe PDF
603 kB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10447/376282
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact