dc.contributor.advisor | Asvestas, Pantelis | |
dc.contributor.author | Τσοπανίδης, Νικόλαος Θεόκριτος | |
dc.date.accessioned | 2024-03-20T09:37:24Z | |
dc.date.available | 2024-03-20T09:37:24Z | |
dc.date.issued | 2024-03-14 | |
dc.identifier.uri | https://polynoe.lib.uniwa.gr/xmlui/handle/11400/6128 | |
dc.identifier.uri | http://dx.doi.org/10.26265/polynoe-5964 | |
dc.description.abstract | Η διπλωματική εργασία στοχεύει στην ανάπτυξη και αξιολόγηση ενός προηγμένου μοντέλου βαθιάς μάθησης για την ανάλυση εικόνων μαγνητικής τομογραφίας εγκεφάλου και την ταξινόμησή τους σε στάδια της νόσου του Αλτσχάιμερ με την ανίχνευση του βαθμού ατροφίας του εγκεφάλου. Ο κώδικας είναι γραμμένος με γλώσσα προγραμματισμού Python και γίνεται χρήση βιβλιοθηκών ανοιχτού κώδικα όπως TensorFlow, Keras και NumPy. | el |
dc.format.extent | 108 | 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 | Νόσος του Αλτσχάιμερ | el |
dc.subject | Ταξινόμηση εικόνων | el |
dc.subject | Ανάλυση εικόνων | el |
dc.subject | Αξιολόγηση | el |
dc.subject | Ακρίβεια ταξινόμησης | el |
dc.subject | Απόδοση μοντέλου | el |
dc.subject | TensorFlow | el |
dc.subject | Keras | el |
dc.title | Διάγνωση της νόσου του Αλτσχάιμερ με χρήση βαθιάς μάθησης και ανάλυσης εικόνας | el |
dc.title.alternative | Alzheimer's disease diagnosis using deep learning and image analysis | el |
dc.type | Διπλωματική εργασία | el |
dc.contributor.committee | Glotsos, Dimitris | |
dc.contributor.committee | Kostopoulos, Spiros | |
dc.contributor.faculty | Σχολή Μηχανικών | el |
dc.contributor.department | Τμήμα Μηχανικών Βιοϊατρικής | el |
dc.description.abstracttranslated | The thesis aims at developing and evaluating an advanced deep learning model for analyzing brain MRI images and classifying them into stages of Alzheimer's disease by detecting the degree of brain atrophy. The code is written with Python programming language and uses open source libraries such as TensorFlow, Keras and NumPy. | el |