Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17800
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΣτραϊτούρη, Ελένη-
dc.date.accessioned2020-11-26T14:35:59Z-
dc.date.available2020-11-26T14:35:59Z-
dc.date.issued2020-11-24-
dc.identifier.urihttp://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17800-
dc.description.abstractΗ νευραλγική σημασία της έγκαιρης κι έγκυρης διάγνωσης για την επιτυχή αντιμετώπιση πολύ σοβαρών ασθενειών, όπως ο καρκίνος του μαστού, έχει στρέψει ένα μεγάλο μέρος του ερευνητικού ενδιαφέροντος στην ανάπτυξη ευφυών συστημάτων υποβοήθησης ιατρικής διάγνωσης. Ειδικά για τη διάγνωση καρκίνου του μαστού μέσω της διαδικασίας της βιοψίας, όπου ύποπτα δείγματα ιστών εξετάζονται σε μικροσκόπιο, το πρόβλημα της ανάπτυξης ενός τέτοιου συστήματος υποβοήθησης, ως πρόβλημα μηχανικής μάθησης ανάγεται στο ευρύτερο πρόβλημα της κατηγοριοποίησης εικόνων. Σε αυτό το πλαίσιο, αντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η μελέτη του προβλήματος αυτού, δηλαδή της κατηγοριοποίησης ιστοπαθολογικών εικόνων μικροσκοπίας καρκίνου του μαστού, με την εφαρμογή τεχνικών μηχανικής μάθησης και συγκεκριμένα με την εφαρμογή μεταφοράς μάθησης, σε πολυεπίπεδες συνελικτικές αρχιτεκτονικές διαφορετικών τεχνοτροπιών. Εξετάζονται διαφορετικές πτυχές του προβλήματος και συγκεκριμένα συγκρίνεται η επίδοση όλων των υπό μελέτη αρχιτεκτονικών για το πρόβλημα της κατηγοριοποίησης τόσο σε δύο όσο και περισσότερες κλάσεις, ενώ ακόμη αξιολογείται η επίδοσή τους σε δεδομένα ίδιας αλλά και διαφορετικής μεγέθυνσης, μελετώντας παράλληλα και την εφαρμογή τεχνικών επαύξησης δεδομένων για τα δεδομένα κοινής μεγέθυνσης. Από τα εξαιρετικά πειραματικά αποτελέσματα για το δυαδικό πρόβλημα, προέκυψε πράγματι ότι η μεταφορά μάθησης μπορεί να εφαρμοστεί επιτυχώς για τη δημιουργία ενός συστήματος υποβοήθησης ιατρικής διάγνωσης με υψηλή αξιοπιστία.en_US
dc.languageelen_US
dc.subjectΜηχανική Μάθησηen_US
dc.subjectΜεταφορά Μάθησηςen_US
dc.subjectΒαθιά Συνελικτικά Νευρωνικά Δίκτυαen_US
dc.subjectΚαρκίνος του μαστούen_US
dc.titleΚατηγοριοποίηση Ιστοπαθολογικών Εικόνων Καρκίνου του Μαστού με Τεχνικές Μηχανικής Μάθησηςen_US
dc.description.pages70en_US
dc.contributor.supervisorΣταφυλοπάτης Ανδρέας-Γεώργιοςen_US
dc.departmentΤομέας Τεχνολογίας Πληροφορικής και Υπολογιστώνen_US
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File Description SizeFormat 
diploma_thesis.pdf6.44 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.