Διάγνωση COVID-19 από ακολουθίες αξονικών τομογραφιών με χρήση βαθιών νευρωνικών δικτύων

Μπριλλάκης, Βασίλειος

dc.contributor.author	Μπριλλάκης, Βασίλειος	el
dc.date.accessioned	2020-12-16T06:27:53Z
dc.date.available	2020-12-16T06:27:53Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/52540
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.20238
dc.rights	Default License
dc.subject	Βαθιά μάθηση	el
dc.subject	Συνελικτικά νευρωνικά δίκτυα	el
dc.subject	Αναδρομικά νευρωνικά δίκτυα	el
dc.subject	Κορονοϊός	el
dc.subject	Αξονική τομογραφία	el
dc.title	Διάγνωση COVID-19 από ακολουθίες αξονικών τομογραφιών με χρήση βαθιών νευρωνικών δικτύων	el
dc.contributor.department	Εργαστήριο Συστημάτων Τεχνητής Νοημοσύνης και Μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2020-11-12
heal.abstract	Με την ανακήρυξη της νόσου του COVID-19 ως πανδημία, κρίθηκε αναγκαία η ανάπτυξη μεθόδων που επιτρέπουν την έγκαιρη και αποτελεσματική ανίχνευση των κρουσμάτων. Η συνηθέστερη μέθοδος διάγνωσης είναι το μοριακό τεστ RT-PCR το οποίο έχει υψηλή ακρίβεια, όμως απαιτεί σημαντικό χρόνο για την εξαγωγή αποτελέσματος. H ανάλυση των αξονικών τομογραφιών θεωρείται ένα σημαντικό διαγνωστικό εργαλείο που συμπληρώνει την εξέταση RT-PCR, βελτιώνοντας την ακρίβεια διάγνωσης και βοηθώντας τους ασθενείς να λάβουν γρήγορα την κατάλληλη θεραπεία. Ωστόσο, η αξιολόγηση των αξονικών χρειάζεται πολύτιμο χρόνο από τον εξειδικευμένο ιατρό, δείχνοντας την ανάγκη για μια γρήγορη αυτόματη και αξιόπιστη μέθοδο. Στο πλαίσιο αυτής της διπλωματικής υλοποιήθηκαν συστήματα βαθιάς μάθησης για την έγκυρη και ταχεία ανίχνευση των κρουσμάτων της νόσου από ακολουθίες αξονικών τομογραφιών. Τα συστήματα αυτά εκπαιδεύονται με σειρές αξονικών συνοδευόμενων από το αποτέλεσμα του μοριακού τεστ και είναι ικανά να κατηγοριοποιούν τους ασθενείς COVID-19 με υψηλή ακρίβεια. Η ανάπτυξη αυτών των συστημάτων στηρίχθηκε στην αρχιτεκτονική CNN-RNN σε συνδυασμό με την χρήση τεχνικών και μεθόδων βαθιάς μάθησης.	el
heal.advisorName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών. Εργαστήριο Συστημάτων Τεχνητής Νοημοσύνης και Μάθησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	71 σ.	el
heal.fullTextAvailability	false
heal.fullTextAvailability	false