Show simple item record

Ασαφής επεξεργασία εικόνας

dc.contributor.advisorΝτούνης, Αναστάσιος
dc.contributor.authorΚαράτσαλος, Χρήστος
dc.date.accessioned2024-06-27T11:10:44Z
dc.date.available2024-06-27T11:10:44Z
dc.date.issued2024-06-06
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/6916
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-6751
dc.description.abstractΗ παρούσα διατριβή επικεντρώνεται στην εκτίμηση της πυκνότητας του μαστού μέσω μαστογραφιών, ένα κρίσιμο μέτρο ενημέρωσης και αναγνώρισης για τον κίνδυνο καρκίνου του μαστού. Εξετάζουμε τις διάφορες μεθόδους και εργαλεία που χρησιμοποιούνται για την ανάλυση των μαστογραφιών, συμπεριλαμβανομένων της σημειογραφίας, της ανάλυσης υφής, της τεχνητής νοημοσύνης, των υπερήχων και της διγραμμικής αντίθεσης. Επισημαίνουμε τη σημασία της ακριβούς ταξινόμησης των περιοχών με διαφορετική πυκνότητα και προτείνουμε αποτελεσματικές προσεγγίσεις για την ανίχνευση ανωμαλιών στο μαστό με χρήση αλγορίθμου fuzzy c-means με εφαρμογή πάνω στα ιστογράμματα των μαστογραφιών. Η έρευνά μας επισημαίνει τη σημαντική κλινική εφαρμογή των μεθόδων αυτών για τον έλεγχο του κινδύνου καρκίνου του μαστού και αναδεικνύει τη σημασία της πυκνότητας του μαστού στη διαγνωστική διαδικασία, επιτυγχάνοντας παράλληλα μεγάλη βελτίωση στην ταχύτητα, και μείωση των υπολογιστικών απαιτήσεων.el
dc.format.extent57el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/deed.el*
dc.subjectΜαστογραφίαel
dc.subjectΠυκνότητα μαστούel
dc.subjectΚαρκίνος του μαστούel
dc.subjectΙατρική εικόναel
dc.subjectΕπεξεργασία εικόναςel
dc.titleΑσαφής επεξεργασία εικόναςel
dc.title.alternativeFuzzy image processingel
dc.typeΜεταπτυχιακή διπλωματική εργασίαel
dc.contributor.committeeKallergi, Maria
dc.contributor.committeeΜουστάνης, Παναγιώτης
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Βιοϊατρικήςel
dc.contributor.masterΠροηγμένα Συστήματα & Μέθοδοι στη Βιοϊατρική Τεχνολογίαel
dc.description.abstracttranslatedThis dissertation focuses on the assessment of breast density through mammograms, a crucial metric for breast cancer risk evaluation and detection. Various methods and tools used in the analysis of mammographic images are explored, among them are pointillism, texture analysis, artificial intelligence, ultrasound, linear contrast and of course clustering algorithms. Emphasis is placed on the precise classification of areas with different densities, proposing effective approaches for detecting breast abnormalities using a fuzzy c-means algorithm applied to mammographic histograms instead of directly on the image itself, which is the method used in the literature. The research presented here underscores the significant clinical application of these methods for breast cancer risk assessment and highlights the importance of breast density in the diagnostic process, while achieving significant improvements in speed and computational efficiency.el


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

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