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

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.