Disentanglement Semantico tramite beta-VAE nella Diagnostica Molecolare
Abstract
Il presente lavoro esplora le potenzialità delle Variational Autoencoders con parametro di regolarizzazione beta (beta-VAE) nell'estrazione di caratteristiche latenti indipendenti da dataset complessi e rumorosi. Partendo da una precedente applicazione all’analisi spettroscopica dei minerali (in particolare il gesso), dove il modello isola con successo il segnale dell'acqua di cristallizzazione come componente semantica discreta, la metodologia viene traslata su dati reali di espressione genica (RNA-seq). Attraverso una calibrazione fine del parametro beta, si dimostra come il modello sia in grado di superare il fenomeno del posterior collapse, isolando specifici neuroni latenti che correlano direttamente con lo stato patologico (malignità vs. benignità). I risultati confermano che il beta-VAE agisce come un "microscopio semantico", capace di scomposizione fenomenologica sia in ambito mineralogico che clinico.