Please enable JavaScript.
Coggle requires JavaScript to display documents.
INFORMATICA 4 LEZIONE 1 - Coggle Diagram
INFORMATICA 4 LEZIONE 1
MEDICINA NUCLEARE
-
RADIOFARMACO (nuclide radioattivo + molecola carrier): UNA PARTE DELLA MOLECOLA, SPECIFICA PER UN DETERMINATO DISTRETTO, È RADIOATTIVA.
QUESTA MOLECOLA SPECIFICA RAGGIUNGE LA DETERMINATA PORZIONE COMPLEMENTARE E NOI, TRAMITE LA PARTE RADIOATTIVA, RIUSCIAMO A VEDERE DOVE È ANDATA NEL CORPO.
LA MEDICINA NUCLEARE È QUELLA BRANCA DELLA MEDICINA FONDATA SULLE APPLICAZIONI DIAGNOSTICHE E TERAPEUTICHE DI SOSTANZE RADIOATTIVE ARTIFICIALI (RADIOFARMACI).
INTELLIGENZA ARTIFICIALE
-
NELLE MACCHINE DI NUOVA GENERAZIONE SPESSO TROVIAMO DEI SOFTWARE, DELLE COMPONENTI DI INTELLIGENZA ARTIFICIALE CHE MIGLIORANO LA QUALITÀ DELL'IMMAGINE, VELOCIZZANO L'ACQUISIZIONE OPPURE CONSENTONO DI RIDURRE LA QUANTITÀ DI RADIOFARMACO SOMMINISTRATA.
POI UNA VOLTA CHE ABBIAMO ACQUISITO L'IMMAGINE POSSIAMO ANCHE USARE DEI SOFTWARE DI INTELLIGENZA ARTIFICIALE CHE CI CONSENTONO DI INDICARE DOVE LA MALATTIA, DI SEGMENTARE; QUINDI, DI CIRCOSCRIVERE LA MALATTIA E DI QUANTIFICARLA DA UN PUNTO DI VISTA NUMERICO
E POI UTILIZZI UN PO' PIÙ FUTURISTICI CHE ANCORA DEVONO ESSERE VALIDATI SONO QUELLI DI SUPPORTO MEDICO DECISIONALE, QUINDI UN SISTEMA DI INTELLIGENZA ARTIFICIALE CHE SUPPORTA LA DIAGNOSI DEL MEDICO.
FACCIAMO UNA RADIOGRAFIA E ABBIAMO UN SOFTWARE DI INTELLIGENZA ARTIFICIALE CHE CI INDICA SE C'È UNA PATOLOGIA OPPURE SE LA RADIOGRAFIA È PULITA
CON PARTICOLARE ATTENZIONE ALLA MEDICINA NUCLEARE, L'INTELLIGENZA ARTIFICIALE VELOCIZZA, AUTOMATIZZA ALCUNI PROCESSI NELLO SVILUPPO DEI RADIOFARMACI.
OVVIAMENTE QUANDO SI SCOPRE UN RADIOFARMACO BISOGNA
FARE TANTISSIMI TEST SIA SU CELLULE CHE POI SUCCESSIVAMENTE SU ANIMALI,
-
-
È LA CAPACITÀ DI UN SISTEMA DI USARE CARATTERISTICHE UMANE QUALI RAGIONAMENTO, APPRENDIMENTO, PIANIFICAZIONE E CREATIVITÀ.
-
MACHINE LEARNING
OLTRE LE TIPOLOGIE SUPERVISIONATI E NON, CI SONO ANCHE DEI SISTEMI SUPERVISIONATI IN CUI I DATI VENGONO UN MINIMO RAGGRUPPATI PRIMA DI ESSERE DATI ALL'ALGORITMO.
IMMAGINI CHE VERRANNO SCOMPOSTE A LIVELLO DELLE MATRICI NELLE + PICCOLE COMPONENTI, TUTTI QUESTI DATI VERRANNO POI ANALIZZATI DA SISTEMI DI STATISTICA.
NOI IN UNA 1° FASE ALLENIAMO IL NOSTRO ALGORITMO DANDOVI TANTI DATI,
UNA VOLTA CHE IL NOSTRO ALGORITMO È ALLENATO, QUANDO AVREMO NUOVI DATI IL NOSTRO ALGORITMO IN BASE A QUELLO CHE HA STUDIATO SAPRÀ DARCI DELLE RISPOSTE, OVVIAMENTE IN BASE A QUELLO CHE CHIEDIAMO.
IN AMBITO DELLA MEDICINA QUESTO FUNZIONAMENTO POTREBBE ESSERE TRASLATO NELLA RICERCA DELLA MIGLIORE TERAPIA X UN DETERMINATO PAZIENTE, IN BASE ALLA SUA STORIA CLINICA.
NEL MACHINE LEARNING RIENTRANO TUTTI QUEGLI ALGORITMI, QUEI SISTEMI COMPUTAZIONALI CHE SONO IN GRADO DI IMPARARE DA ALCUNI DATI CHE NOI PRESENTIAMO ALL'ALGORITMO
E UNA VOLTA ANALIZZATI QUESTI DATI SONO IN
GRADO DI EFFETTUARE DELLE PREDIZIONI, DELLE VALUTAZIONI, SU NUOVI DATI CHE RICEVONO.
MACHINE LEARNING PREVEDE DEGLI STEP BEN PRECISI, QUINDI PARTIAMO DALL'ACQUISIZIONE NELL'AMBITO RADIOLOGICO DELLE IMMAGINI CHE POSSONO ESSERE DI VARIO TIPO ECOGRAFIA, RX, TAC, PET, RISONANZA MAGNETICA,
L'ALGORITMO DEVE CIRCOSCRIVERE, SEGMENTARE, I VARI ORGANI DELL'IMMAGINE.
DEEP LEARNING
ALCUNE DIFFERENZE PRELIMINARI TRA QUELLO CHE È IL MACHINE LEARNING E LA STATISTICA,
OVVIAMENTE IL MACHINE LEARNING UTILIZZA DEI SOFTWARE, DELLE APPLICAZIONI DI STATISTICA,
PERÒ IN + RISPETTO ALLA STATISTICA È IN GRADO DI EFFETTUARE DELLE PREDIZIONI, DI RICONOSCERE DEI PATTERN A LIVELLO DELLE IMMAGINI, ED È UN VERO E PROPRIO SISTEMA COMPUTAZIONALE.
MENTRE SE DOBBIAMO FARE LA DIFFERENZA TRA MACHINE LEARNING E DEEP LEARNING,
IL DEEP LEARNING CONSENTE DI FARE UNO STEP SUCCESSIVO, QUINDI AVENDO QUESTE ORGANIZZAZIONI IN RETI NEURALI, TRAMITE DEEP LEARNING, RIUSCIAMO A MIMARE DELLE FUNZIONALITÀ UMANE.
ALLA 1° VOLTA CHE ABBIAMO VISTO UN GATTO SICURAMENTE NON SAPEVAMO COME CHIAMARE QUELL'ANIMALE, PERÒ + VOLTE VEDEVAMO UN GATTO, MAGGIORE ERA LO SVILUPPO DI QUESTI COLLEGAMENTI, DI QUESTE RETI NEURALI NEL NOSTRO ENCEFALO,
TANT'È CHE OGGI QUANDO VEDIAMO UN GATTO È AUTOMATICA L'ASSOCIAZIONE PAROLA-ANIMALE. E QUESTO È QUELLO CHE FA IL DEEP LEARNING.
PENSIAMO A NOI, QUANDO ERAVAMO PICCOLI, NON È CHE SIAMO NATI SUBITO CAPACI DI PARLARE;
QUINDI, CRESCENDO ABBIAMO IMPARATO AD ASSOCIARE A DETERMINATE OGGETTI E A DETERMINATI ANIMALI UNA PAROLA, AD ES IL GATTO.
QUINDI NOI DIAMO AL NOSTRO SISTEMA DI DEEP LEARNING TANTE IMMAGINI, IL SISTEMA DI DEEP LEARNING + NE VEDE, PIÙ DIVENTA PRECISO E CAPACE DI RICONOSCERE E DI ASSOCIARE UNA DETERMINATA PATOLOGIA,
FINTANTO CHE NON ARRIVIAMO ALLA FINE DEL DEEP LEARNING, OSSIA LA DIFFERENZIAZIONE TRA LE PATOLOGIE, AD ES INFEZIONE, EMORRAGIA.
QUINDI RETI NEURALI CHE SONO IN GRADO DI IMPARARE SIMULTANEAMENTE ALCUNI DATI ED EFFETTUARE DELLE PROIEZIONI, SPESSO IN MANIERA NON SUPERVISIONATA, QUINDI QUASI TOTALMENTE AUTOMATIZZATA.
IL DEEP LEARNING, UN'INTELLIGENZA UN PO' + PROFONDA, È QUEL SOTTO INSIEME DEL MACHINE LEARNING CHE PREVEDE UN'ORGANIZZAZIONE IN RETI NEURALI,
-