Χρήση τεχνικών μηχανικής μάθησης για την ανάλυση ιατρικών εικόνων με στόχο την υποβοήθηση στη διάγνωση της λοίμωξης COVID-19

Ψαραύτης-Σουράνης, Συμεών

dc.contributor.advisor	Troussas, Christos
dc.contributor.advisor	Βουλόδημος, Αθανάσιος
dc.contributor.author	Ψαραύτης-Σουράνης, Συμεών
dc.date.accessioned	2023-10-26T11:05:03Z
dc.date.available	2023-10-26T11:05:03Z
dc.date.issued	2023-10
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/5492
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-5329
dc.description.abstract	Η ραγδαία εξέλιξη της τεχνολογίας έχει ως αποτέλεσμα το επιστημονικό πεδίο που ονομάζεται επιστήμη των υπολογιστών να βρίσκει εφαρμογές σε ολοένα και περισσότερους τομείς. Ένας από αυτούς τους τομείς αποτελεί και η επιστήμη της ιατρικής. Η πρόοδος που έχει σημειωθεί στην επιστήμη των υπολογιστών, ιδιαίτερα στο υποπεδίο που ονομάζεται μηχανική μάθηση, καθιστά δυνατή την υποστήριξη μιας πληθώρας ιατρικών καθηκόντων μέσω τεχνικών της. Παραδείγματος χάρη, οι τεχνικές μηχανικής μάθησης μπορούν να αξιοποιηθούν για την ανίχνευση πιθανής παρουσίας κάποιας ασθένειας ή όγκου σε ιατρικές εικόνες, όπως ακτινογραφίες (X-rays), αξονικές τομογραφίες (CT scans) και μαγνητικές τομογραφίες (MRI scans). Λαμβάνοντας υπόψη τη δύσκολη περίοδο την οποία διανύουμε εξαιτίας της πανδημίας COVID-19, καθώς και τη σημασία της ακρίβειας στην ανίχνευση της νόσου, μπορούμε ξεκάθαρα να διαπιστώσουμε ότι η βοήθεια που μπορεί να προσφέρει η μηχανική μάθηση στην ιατρική επιστήμη, είναι πιο πολύτιμη από ποτέ. Στην παρούσα διπλωματική εργασία, πραγματευόμαστε την ανάλυση ιατρικών εικόνων για την υποβοήθηση στη διάγνωση COVID-19 κάνοντας χρήση τεχνικών μηχανικής μάθησης. Πιο συγκεκριμένα, εξετάζουμε την αποτελεσματικότητα τεχνικών βαθιάς μάθησης, και ειδικότερα συνελικτικών νευρωνικών δικτύων, στην ανίχνευση της νόσου COVID-19, βασιζόμενοι σε πραγματικά δεδομένα ιατρικών εικόνων που έχουν συλλεχθεί παγκοσμίως.	el
dc.format.extent	166	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.uri	https://creativecommons.org/licenses/by-nc-sa/4.0/deed.el	*
dc.subject	Όραση Υπολογιστών	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Μεταφορά μάθησης	el
dc.subject	Συνελικτικά νευρωνικά δίκτυα	el
dc.subject	Covid-19	el
dc.subject	Ταξινόμηση εικόνων	el
dc.subject	Σημασιολογική κατάτμηση εικόνων	el
dc.subject	Ιατρική απεικόνιση	el
dc.subject	Αξονική τομογραφία	el
dc.title	Χρήση τεχνικών μηχανικής μάθησης για την ανάλυση ιατρικών εικόνων με στόχο την υποβοήθηση στη διάγνωση της λοίμωξης COVID-19	el
dc.title.alternative	Use of machine learning techniques to analyze medical images with the aim of assisting in the diagnosis of COVID-19 infection	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Tselenti, Panagiota
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών	el
dc.description.abstracttranslated	The rapid development of technology has resulted in the scientific field called computer science finding applications in more and more areas. One of these fields is medicine. The progress made in computer science, especially in the subfield called machine learning, has made it possible for a variety of medical tasks to be assisted by its various techniques. For example, machine learning can be utilized for the detection of the potential presence of a disease or tumor on medical images or scans, such as X-rays, CT scans and MRI scans. Considering the difficult period we are going through due to the COVID-19 pandemic, as well as the importance of accuracy in the detection of the disease, we can clearly see that the assistance that machine learning can provide to the medical science is more valuable than ever. In this diploma thesis we are dealing with the analysis of medical images for COVID-19 diagnosis support using machine learning techniques. More precisely, in this thesis we are examining the effectiveness of deep learning techniques, and particularly convolutional neural networks, in detecting the COVID-19 disease, based on real-world medical image data that have been collected worldwide.	el

Αρχεία σε αυτό το τεκμήριο

Όνομα:: ice_711141049.pdf
Μέγεθος:: 5.843Mb
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