Show simple item record

dc.contributor.advisorΓούδας, Θεοδόσιος
dc.contributor.authorΒλιαγκόφτης, Θωμάς
dc.contributor.otherVliagkoftis, Thomas
dc.coverage.spatialΚύπροςel_GR
dc.date.accessioned2019-02-22T06:40:52Z
dc.date.available2019-02-22T06:40:52Z
dc.date.copyright2019-02-22
dc.date.issued2018-01
dc.identifier.otherΕΠΤ/2019/00014el_GR
dc.identifier.urihttp://hdl.handle.net/11128/3876
dc.descriptionΠεριέχει βιβλιογραφικές παραπομπές.el_GR
dc.description.abstractΣκοπός της συγκεκριμένης διατριβής είναι η ανάλυση επιστημονικών ερευνών σχετικά με αλγορίθμους μηχανικής μάθησης, οι οποίοι χρησιμοποιούνται για την αναγνώριση καρδιοπαθειών. Η ανάλυση γίνεται βάσει συγκεκριμένων συντελεστών, με τους συντελεστές πολυπλοκότητας και αποτελεσματικότητας να είναι δύο από τους βασικότερους συντελεστές αξιολόγησης. Αρχικά, οι έρευνες που εξετάζονται είναι αυτές που αφορούν αναγνώριση καρδιοπαθειών μέσω του ήχου που λαμβάνεται από ένα ηλεκτρονικό στηθοσκόπιο. Στη συνέχεια μελετώνται έρευνες για την εφαρμογή μηχανικής μάθησης, οι οποίες αφορούν διαφορετικές διαγνωστικές μεθόδους (ηλεκτροκαρδιογράφημα, αξονική τομογραφία καρδιάς και αγγείων κλπ) για την αξιολόγηση ενός πιθανού καρδιολογικού προβλήματος. Επιπλέον, γίνεται προσπάθεια αξιολόγησης και ταξινόμησης βάσει συντελεστών, οι οποίοι δεν απαντώνται στην υπάρχουσα βιβλιογραφία, όπως η αξιολόγηση βάσει συντελεστή χρόνου (processing time). Επιπλέον αξιολογήσεις βάσει νέων συντελεστών, μπορούν να οδηγήσουν σε σωστότερη επιλογή αλγορίθμων για μία εφαρμογή, ανάλογα με το περιβάλλον και τον χρήστη που αναμένεται να χρησιμοποιήσει την εκάστοτε εφαρμογή.el_GR
dc.format.extent60 σ. 30 εκ.el_GR
dc.languagegrel_GR
dc.language.isogrel_GR
dc.publisherΑνοικτό Πανεπιστήμιο Κύπρουel_GR
dc.rightsinfo:eu-repo/semantics/closedAccessel_GR
dc.subjectΑλγορίθμοι Μηχανικής Μάθησηςel_GR
dc.subjectMachine Learning Algorithmsel_GR
dc.titleΑναγνώριση καρδιοπαθειών με εφαρμογή τεχνικών μηχανικής μάθησης σε καρδιακούς ήχους. Αξιολόγηση των υφιστάμενων αλγορίθμων μάθησης βάσει συγκεκριμένων συντελεστών και σύγκριση με λοιπές εφαρμογές μηχανικής μάθησης στην καρδιολογία [Ερευνητική]el_GR
dc.typeΜεταπτυχιακή Διατριβήel_GR
dc.description.translatedabstractThe purpose of this master thesis is to analyse scientific research on machine learning algorithms, which are used to identify heart disease. The analysis is based on specific factors, with the complexity and efficiency factors being two of the most important assessment factors. Initially, the investigations under consideration are those relating to the recognition of heart disease through the sound taken from an electronic stethoscope. Further studies on machine learning implementation are then studied, involving different diagnostic methods (electrocardiogram, CT etc.) for the evaluation of a possible cardiological problems. Additionally, an evaluation and classification based on factors, which are not found in the existing literature, such as time-based evaluation (processing time), is attempted. Additional ratings based on new factors can lead to a more accurate selection of algorithms for an application, depending on the environment and the user who is expected to use the application.el_GR
dc.format.typepdfel_GR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record