Risultati

Risultati trovati 2

Dati completi Dati sintetici

Clicca sul titolo per vedere i dati completi di ogni documento e la segnatura con la quale richiederlo.

Consultabilità delle tesi

Consultabile Consultabile
Non consultabile Non consultabile

Modalità di consultazione e contatti


Non consultabile ENDRIZZI WALTER, A MACHINE LEARNING APPROACH TO PREDICT PROGRESSION IN PATIENTS AFFECTED BY MULTIPLE SCLEROSIS, Rel. OSMANI VENET, Rel. ROMANEL ALESSANDRO, AA 2022/2023
Autore: ENDRIZZI WALTER
Titolo: A MACHINE LEARNING APPROACH TO PREDICT PROGRESSION IN PATIENTS AFFECTED BY MULTIPLE SCLEROSIS
Relatore: ROMANEL ALESSANDRO
Secondo Relatore: OSMANI VENET
Correlatore: MORONI MONICA
Anno accademico: 2022/2023
Corso: Corso di Laurea Magistrale - Biologia Quantitativa e Computazionale [0521H]
Struttura didattica: Dipartimento CIBIO
Formato: digitale
Segnatura: 0521H-100
Non definita REHMAN HUMA, ENHANCING LUNGS CANCER PROGNOSIS WITH RADIOMIC FEATURES: A COMPARATIVE EVALUATION OF HAND-CREAFTED AND DEEP LEARNING SEGMENTATION IN CT SCANS, Rel. JURMAN GIUSEPPE, AA 2022/2023
Autore: REHMAN HUMA
Titolo: ENHANCING LUNGS CANCER PROGNOSIS WITH RADIOMIC FEATURES: A COMPARATIVE EVALUATION OF HAND-CREAFTED AND DEEP LEARNING SEGMENTATION IN CT SCANS
Relatore: JURMAN GIUSEPPE
Correlatore: MORONI MONICA
Anno accademico: 2022/2023
Corso: Corso di Laurea Magistrale - Data Science [0522H]
Struttura didattica: Dipartimento di Matematica
Formato: digitale
Segnatura: 0522H-80