Show simple item record

Σχεδιασμός και υλοποίηση διαδικτυακής εφαρμογής για την κατηγοριοποίηση όγκων του μαστού με χρήση συνελικτικών νευρωνικών Δικτύων

dc.contributor.advisorKoulouras, Grigorios
dc.contributor.authorΚόρμπος, Χριστόφορος
dc.date.accessioned2024-07-25T07:25:47Z
dc.date.available2024-07-25T07:25:47Z
dc.date.issued2024-07-22
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/7182
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-7014
dc.description.abstractΗ ραγδαία εξέλιξη της τεχνητής νοημοσύνης, σε συνδυασμό με την αύξηση της ταχύτητας των υπολογιστικών συστημάτων, καθώς και της ακρίβειας των μοντέλων μηχανικής μάθησης, έχουν επωφελήσει αρκετούς τομείς, ένας εκ των οποίων είναι και αυτός της ιατρικής και βιοϊατρικής τεχνολογίας. Συγκεκριμένα, η αναγνώριση εικόνων και προτύπων μέσω της βαθειάς μάθησης και η εκπαίδευση των Νευρωνικών Δικτύων με μεγάλο όγκο δεδομένων έχουν φέρει επαναστατικές αλλαγές στην αναγνώριση και κατηγοριοποίηση ασθενειών κάθε είδους. Η ικανότητα των Νευρωνικών Δικτύων να αναγνωρίζουν πρότυπα και να κάνουν κατηγοριοποιήσεις συχνά μπορεί να ξεπερνάει την ανθρώπινη ακρίβεια, επιτρέποντας με αυτόν τον τρόπο την προτεραιοποίηση σοβαρών περιστατικών ή ακόμα και την αντιμετώπιση περίπλοκων ιατρικών προκλήσεων. Στα πλαίσια της Διπλωματικής Εργασίας θα αναπτυχθεί ένα μοντέλο τεχνητής νοημοσύνης χρησιμοποιώντας Συνελικτικά Νευρωνικά Δίκτυα (CNNs) για την αναγνώριση όγκων από υπέρηχους στον μαστό και την ταξινόμηση αυτών ως καλοήθεις η κακοήθεις με τη βοήθεια των βιβλιοθηκών Tensorflow και Keras. Επιπλέον, θα υλοποιηθεί μια διαδικτυακή εφαρμογή, με Python και ReactJS που θα δίνει έμφαση στο user experience και θα επιτρέπει την ευκολότερη πρόσβαση και χρήση από τον καθένα. Η αυτονομία που θα προσφέρει η διαδικτυακή εφαρμογή συνδυάζεται με τη δυνατότητα αλληλεπίδρασης και μέσω κινητών τηλεφώνων, παρέχοντας ολοκληρωμένη λύση για την άμεση ανίχνευση και προσφέροντας τελικά ένα πολύτιμο εργαλείο για τη διάγνωση και παρακολούθηση των παθήσεων του μαστού.el
dc.format.extent81el
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.subjectΤεχνητή νοημοσύνηel
dc.subjectΣυνελικτικά νευρωνικά δίκτυαel
dc.subjectΥπολογιστική όρασηel
dc.subjectΒιοϊατρική τεχνολογίαel
dc.subjectΚατηγοριοποίηση όγκωνel
dc.subjectΔιαδικτυακές εφαρμογέςel
dc.subjectReact Jsel
dc.titleΣχεδιασμός και υλοποίηση διαδικτυακής εφαρμογής για την κατηγοριοποίηση όγκων του μαστού με χρήση συνελικτικών νευρωνικών Δικτύωνel
dc.title.alternativeDesign and implementation of a web application for breast tumors classification through convolutional neural networksel
dc.typeΔιπλωματική εργασίαel
dc.contributor.committeeAlexandridis, Alex
dc.contributor.committeeZois, Elias
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικώνel
dc.description.abstracttranslatedThe rapid growth of artificial intelligence, coupled with an increase in computational speed, as well as the precision of machine learning models nowadays, has benefited several sectors, such as the medical and biomedical technology field. Specifically, image and pattern recognition through deep learning, along with Neural Networks being trained on large datasets, have brought revolutionary changes to the recognition and categorization for diseases of all kinds. The proficiency of Deep Neural Networks in pattern recognition and precise classifications that often surpass human accuracy enables the correct prioritization of critical cases and effective addressing of complex medical challenges. As part of the Thesis, an artificial intelligence model will be developed using Convolutional Neural Networks (CNNs) for identifying breast tumors from ultrasound images and then characterizing them as benign or malignant using the Tensorflow and Keras libraries. Additionally, a web application that emphasizes in user experience and easier access for everyone will be developed using Python and ReactJS. The autonomy offered by the web application, combined with the ability to interact through mobile phones, will provide a comprehensive solution for direct detections and will ultimately offer a valuable tool for the diagnosis and monitoring of breast cancer.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