Repository logo
  • English
  • Ελληνικά
  • Log In
    Have you forgotten your password?
Repository logo
  • Collections
  • Research Outputs
  • Projects
  • People
  • Statistics
  • English
  • Ελληνικά
  • Log In
    Have you forgotten your password?
  1. Home
  2. Ψηφιακό Αποθετήριο ΚΥΨΕΛΗ / Kypseli Digital Repository
  3. Theses / Διατριβές και Πτυχιακές Εργασίες
  4. Μεταπτυχιακές Διατριβές / Master Τheses
  5. Εφαρμοσμένη Πληροφορική της Υγείας & Τηλεϊατρική (ΕΛΛ) / Applied Health Informatics and Telemedicine (in Greek)
  6. Έρευνα αλγορίθμων και τεχνικών μηχανικής μάθησης που υποστηρίζουν αναγνωρισμένες προσεγγίσεις αναγνώρισης παθογένειας σε βιοϊατρικές εικόνες
 
  • Details
Options

Έρευνα αλγορίθμων και τεχνικών μηχανικής μάθησης που υποστηρίζουν αναγνωρισμένες προσεγγίσεις αναγνώρισης παθογένειας σε βιοϊατρικές εικόνες

Author(s)
Τοδούλου, Αναστασία
Date Issued
2019-11
Faculty
Σχολή Θετικών και Εφαρμοσμένων Επιστημών / Faculty of Pure and Applied Sciences 
Abstract
Η παρούσα μεταπτυχιακή διατριβή εστιάζει στην έρευνα, την ανάλυση και την αξιολόγηση των αλγορίθμων και τεχνικών μηχανικής μάθησης οι οποίες προορίζονται για την αναγνώριση παθογενειών σε διάφορα είδη βιοϊατρικών εικόνων (X-ray, CT, MRI, ενδοσκοπήσεις κ.α). Με σκοπό να αναδειχθούν οι καταλληλότερες τεχνικές και αλγόριθμοι ανίχνευσης παθογενειών, το πρώτο βήμα ήταν η διεξαγωγή μιας βιβλιογραφικής ανασκόπησης για την καταγραφή της υπάρχουσας κατάστασης, τις προκλήσεις και τις προοπτικές που αφορούν στο συγκεκριμένο πεδίο. Στη συνέχεια, λαμβάνοντας υπόψιν τη γνώση που προκύπτει καθώς και ορισμένες πτυχές που δεν απαντώνται ακόμα στην βιβλιογραφία, πραγματοποιείται μια διεξοδική μελέτη περιπτώσεων ορισμένων επιλεγμένων συστημάτων ανίχνευσης για παθογένειες όπως οι πολύποδες, πνευμονικοί όζοι, όγκοι μαστού και καρκινικά κύτταρα προστάτη, δίνοντας ιδιαίτερη βαρύτητα στην τεχνική προσέγγιση που ακολουθήθηκε. Από τη βαθύτερη μελέτη της κάθε περίπτωσης προκύπτουν συγκεντρωμένες πληροφορίες για τη μέθοδο, τα χαρακτηριστικά, τα υλικά και τα μέτρα απόδοσης ενώ παρουσιάζεται και μια SWOT analysis προκειμένου να αναδειχθούν τα δυνατά και τα αδύναμα σημεία τους. Στο τέλος, υποβάλλονται σε αξιολόγηση και σύγκριση με συγκεκριμένα κριτήρια που τέθηκαν υπολογίζοντας τόσο αριθμητικά όσο και ποιοτικά δεδομένα.
Publisher
Ανοικτό Πανεπιστήμιο Κύπρου
Format
143 σ. 30 εκ.
Subjects

Μηχανική μάθηση

Machine learning

Βιοϊατρικές εικόνες

Biomedical images

File(s)
Loading...
Thumbnail Image
Name

ΕΠΤ-2019-00024.pdf

Size

2.38 MB

Format

Adobe PDF

Checksum

(MD5):8c4cfa4b47b6f77e9331be8298b4e723

  • Contact Us
  • Cookie settings
  • Open University of Cyprus
  • OUC Library
  • Policies
  • Accessibility and Data Protection

Find us on:

FacebookFacebook

Built with DSpace-CRIS software - Extension maintained and optimized by 4Science - Powered by Dataly