Una rete neurale profonda bidimensionale (BPNN) per l'identificazione dell'artrite reumatoide

L'artrite reumatoide è una malattia pericolosa e cronica che deve essere analizzata e diagnosticata nelle sue fasi iniziali. Pertanto, lo scopo di questa tesi è quello di sviluppare un nuovo approccio per l'identificazione dell'artrite reumatoide attraverso tecniche di elaborazione delle immagini del ginocchio e un classificatore a rete neurale. In questo modo, qualsiasi immagine del ginocchio fornita deve essere classificata come normale o anomala. Il sistema proposto utilizza immagini del ginocchio ottenute da un database creato composto da 300 immagini per la fase di addestramento e 300 immagini per la fase di test. Le tecniche di elaborazione delle immagini utilizzate facilitano la diagnosi di tale malattia analizzando e individuando i segni e i sintomi dell'artrite reumatoide attraverso l'estrazione delle caratteristiche o dei modelli utili e necessari, come la distanza tra le ossa femorali e tibiali, il danno articolare, l'allargamento e l'irrigidimento delle ossa. Inoltre, il sistema sviluppato aiuta i medici a classificare con precisione le immagini radiografiche del ginocchio affetto da AR, poiché è progettato per stimolare l'ispezione visiva umana basata sulla visualizzazione di alcune caratteristiche e segni correlati all'AR.