Τεχνικές Βαθιάς Μηχανικής Μάθησης για Ανάλυση Ιατρικών Εικόνων και Διάγνωση Covid-19

Abstract

Εν έτει 2020, η ασθένεια Covid-19, η οποία έλαβε διαστάσεις πανδημίας, αποτέλεσε πρωτόγνωρη απειλή για την παγκόσμια υγεία μεταβάλλοντας ραγδαία την καθημερινή μας ζωή. Από νωρίς διαπιστώθηκε η ανάγκη άμεσης ανίχνευσης και διάγνωσης των ασθενών και φορέων του ιού. Σε αυτή την προσπάθεια η τεχνητή νοημοσύνη αποτελεί καθοριστικό παράγοντα στη διαμόρφωση αξιόπιστων προβλέψεων, οι οποίες δύνανται να συντελέσουν στη λήψη ιατρικών αποφάσεων μειώνοντας σημαντικά τον χρόνο διάγνωσης. Στο πλαίσιο της διπλωματικής εργασίας, μέσα από την ανάλυση ιατρικών εικόνων αξονικών τομογραφιών θώρακος, σχεδιάζεται αξιόπιστο CNN για την διάγνωση της ασθένειας Covid-19 σε πιθανά κρούσματα. Αρχικά εκπαιδεύονται δίκτυα σε σύνολο δεδομένων ξένων ατόμων, ενώ τα αποτελέσματα προσαρμόζονται και επεκτείνονται σε σειρά ελληνικών δεδομένων. Για την σαφέστερη κατανόηση και ανάλυση των αποτελεσμάτων, εξάγουμε αναπαραστάσεις για κάθε εικόνα με τις οποίες εφαρμόζουμε ομαδοποίηση στο σύνολο των δεδομένων. Η διαδικασία αυτή μας δείχνει τον τρόπο με τον οποίο κατανέμονται τα δεδομένα στον χώρο του προβλήματος και επιτρέπει την περαιτέρω βελτιστοποίηση των αποτελεσμάτων. Δοκιμάζονται επίσης έτοιμα μοντέλα κατάτμησης ιατρικών εικόνων κρουσμάτων Covid-19, με σκοπό να μελετηθεί η επίδρασή τους στην εκπαίδευση συγκεκριμένων δικτύων. Τέλος, χρησιμοποιούμε αναδρομικά νευρωνικά δίκτυα για την εξαγωγή προβλέψεων σε ακολουθίες εικόνων και 3D αξονικών τομογραφιών.