Διάγνωση της νόσου του Αλτσχάιμερ με χρήση βαθιάς μάθησης και ανάλυσης εικόνας

Τσοπανίδης, Νικόλαος Θεόκριτος

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

Files in this item

Name:: Tsopanidis_16119.pdf
Size:: 5.541Mb
Format:: PDF
Description:: Διπλωματική εργασία

View/Open

This item appears in the following Collection(s)

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Βιοϊατρικής

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές