Χρήση τεχνικών βαθιάς μάθησης και επεξηγήσιμης τεχνητής νοημοσύνης για την ανίχνευση της νόσου του Alzheimer σε εικόνες μαγνητικής τομογραφίας εγκεφάλου

Σκυλίτσης, Ιάσων

dc.contributor.advisor	Voulodimos, Athanasios
dc.contributor.advisor	Protopapadakis, Eftychios
dc.contributor.author	Σκυλίτσης, Ιάσων
dc.date.accessioned	2022-07-27T11:26:01Z
dc.date.available	2022-07-27T11:26:01Z
dc.date.issued	2022-07-22
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/2694
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-2534
dc.description.abstract	Η νόσος του Alzheimer είναι μια προοδευτική νευροεκφυλιστική νόσος και αποτελεί μια από τις σημαντικότερες προκλήσεις του 21ου αιώνα για τον υγειονομικό τομέα. Τα συμπτώματα της νόσου αφορούν διαταραχές στη μνήμη, την διάθεση και την προσωπικότητα και επηρεάζουν την ποιότητα ζωής τόσο αυτών που νοσούν, όσο και των κοντινών τους ανθρώπων που τους φροντίζουν. Η διάγνωση της νόσου προϋποθέτει την κλινική εξέταση των ασθενών από ειδικούς γιατρούς σε συνδυασμό με μια σειρά από ειδικές εξετάσεις και διαγνωστικά τεστ. Η απεικονιστική εξέταση μέσω μαγνητικής τομογραφίας εγκεφάλου αποτελεί αναπόσπαστο κομμάτι της κλινικής αξιολόγησης ασθενών με υποψία νόσου του Alzheimer. Οι δείκτες της μαγνητικής τομογραφίας βοηθούν στην έγκαιρη και ακριβή διάγνωση καθώς και στη μέτρηση της προοδευτικότητας της νόσου. Η ερμηνεία των ιατρικών εικόνων πραγματοποιείται κυρίως σε κλινικό περιβάλλον από ειδικευμένους γιατρούς ή ακτινολόγους. Αυτή είναι μια χρονοβόρος και απαιτητική διαδικασία λόγω του μεγάλου αριθμού παραλλαγών στην παθολογία, αλλά και επιρρεπής σε σφάλματα λόγω του ανθρώπινου παράγοντα. Στην παρούσα εργασία θα υλοποιηθούν μέθοδοι βαθιάς μάθησης και επεξηγήσιμης τεχνητής νοημοσύνης με σκοπό την αναγνώριση της νόσου σε εικόνες μαγνητικής τομογραφίας εγκεφάλου. Η αναγνώριση της νόσου του Alzheimer με μεθόδους βαθιάς μάθησης θα μπορούσε να υποβοηθήσει την διαδικασία λήψης αποφάσεων των γιατρών, ενώ η επεξηγησιμότητα αποτελεί βασική προυπόθεση για την εμπιστοσύνη και την αποδοχή τέτοιων συστημάτων από τους ασθενείς.	el
dc.format.extent	88	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Βαθιά μάθηση	el
dc.subject	Αναγνώριση της νόσου του Alzheimer	el
dc.subject	Convolutional Neural Networks	el
dc.subject	CNN	el
dc.subject	Μαγνητική τομογραφία εγκεφάλου	el
dc.subject	Μεταφορά μάθησης	el
dc.subject	Συνελικτικά νευρωνικά δίκτυα	el
dc.subject	Magnetic resonance imaging	el
dc.subject	Alzheimer	el
dc.title	Χρήση τεχνικών βαθιάς μάθησης και επεξηγήσιμης τεχνητής νοημοσύνης για την ανίχνευση της νόσου του Alzheimer σε εικόνες μαγνητικής τομογραφίας εγκεφάλου	el
dc.title.alternative	Deep learning and Explainable Artificial Intelligence techniques for Alzheimer’s disease detection on magnetic resonance images	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Protopapadakis, Eftychios
dc.contributor.committee	Troussas, Christos
dc.contributor.committee	Tselenti, Panagiota
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών	el
dc.description.abstracttranslated	Alzheimer’s Disease is a neurodegenerative disease and one of the great health-care challenges of the 21st century. The symptoms of Alzheimer’s disease include memory loss, mood and personality changes and have an impact not only to the ones suffering, but also to their loved ones. Diagnosis of Alzheimer disease involves the clinical examination of the patients and various tests for brain function. Imaging has a key role in the clinical assessment of patients with suspected Alzheimer’s disease. Magnetic Resonance Imaging (MRI) markers help measure disease progression as well as in early and accurate diagnosis. The interpretation of medical images is mainly carried out in a clinical setting by qualified doctors or radiologists. This is a time-consuming and demanding process due to the large number of variations in the pathology, but also susceptible to human error. In this thesis, deep learning and explainable artificial intelligence methods will be implemented in order to detect Alzheimer’s disease in brain MRI. The automated detection of Alzheimer's disease using deep learning methods could support the decision-making process of doctors, while explainability is a basic prerequisite for the trust and acceptance of such systems by patients.	el

Αρχεία σε αυτό το τεκμήριο

Όνομα:: Skylitsis_711151097.pdf
Μέγεθος:: 4.010Mb
Τύπος:: PDF
Περιγραφή:: Διπλωματική Εργασία

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Πληροφορικής και Υπολογιστών

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές