Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18551
Τίτλος: Χρήση τεχνικών βαθιάς μάθησης για την διάγνωση της νόσου Alzheimer μέσω μαγνητικών τομογραφιών του εγκεφάλου
Συγγραφείς: Κληρονόμου, Ειρήνη
Κόλλιας Στέφανος
Λέξεις κλειδιά: Βαθιά Μάθηση, Συνελικτικά Νευρωνικά Δίκτυα, Ανατροφοδοτούμενα Νευρωνικά Δίκτυα, Νόσος Αλτσχάιμερ (Alzheimer), Μαγνητική Τομογραφία, Κατηγοριοποίηση Εικόνων
Deep Learning, Convolutional Neural Networks, Recurrent Neural Networks, Alzheimer's Disease, MRI, Image Classification
Ημερομηνία έκδοσης: 18-Νοε-2022
Περίληψη: Η Μηχανική Μάθηση και ειδικότερα η χρήση των τεχνητών νευρωνικών δικτύων αποτελεί ένα ραγδαία αναπτυσσόμενο κλάδο της σύγχρονης επιστήμης, με ποικίλες εφαρμογές σε πολυάριθμους επιστημονικούς τομείς, έχοντας ως κατευθυντήριο άξονα την βελτίωση της ποιότητας ζωής των ανθρώπων. Στο επίκεντρο της καλύτερης διαβίωσης του ανθρώπου τοποθετείται η επιστήμη της Ιατρικής, με το πεδίο των νευρωνικών δικτύων να έχει συνεισφέρει στη διάγνωση και την αντιμετώπιση ποικίλων ασθενειών. Ιδιαίτερα η νόσος Alzheimer, την οποία πραγματεύεται η παρούσα εργασία, συναντάται όλο και περισσότερο στη σύγχρονη κοινωνία, χρήζοντας έτσι απαραίτητη την αποτελεσματική αντιμετώπισή της. Η διάγνωσή της αποτελεί μία από τις μεγαλύτερες προκλήσεις της ιατρικής κοινότητας, καθώς μέχρι σήμερα δεν υφίσταται κάποια συγκεκριμένη μέθοδος για την επιτέλεση του σκοπού αυτού. Τα διάφορα μοντέλα και αλγόριθμοι που έχουν αναπτυχθεί στο πλαίσιο των τεχνητών νευρωνικών δικτύων στοχεύουν σε μία ελπιδοφόρα λύση προς την κατεύθυνση αυτή. Στην προκείμενη διπλωματική εργασία, στόχος είναι η αξιοποίηση των τεχνικών βαθιάς μάθησης στην κατηγοριοποίηση εικόνων για την έγκυρη διάγνωση της νόσου Alzheimer μέσω μαγνητικών τομογραφιών του εγκεφάλου. Συγκεκριμένα το μοντέλο που αναπτύχθηκε περιλαμβάνει την απόκτηση και την κατάλληλη προεπεξεργασία του συνόλου δεδομένων και την εκπαίδευσή του μέσω συνελικτικών και ανατροφοδοτούμενων δικτύων. Τα αποτελέσματα που παράχθηκαν και αξιολογήθηκαν με βάση κάποιες μετρικές ακρίβειας, δημιουργούν προσδοκίες για την εύρεση παρόμοιων εφαρμογών ιατρικής διάγνωσης και για άλλες νευρολογικές ασθένειες του εγκεφάλου.
URI: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18551
Εμφανίζεται στις συλλογές:Διπλωματικές Εργασίες - Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
EiriniKlironomou_thesis.pdf1.5 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.