Χρήση συνελικτικών νευρωνικών δικτύων για τον εντοπισμό του Αλτζχάϊμερ σε ασθενείς μέσα από μαγνητικές εγκεφάλου

Καρόζης, Γιώργος; Karozis, Giorgos

dc.contributor.author	Καρόζης, Γιώργος	el
dc.contributor.author	Karozis, Giorgos	en
dc.date.accessioned	2022-02-06T16:42:07Z
dc.date.available	2022-02-06T16:42:07Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/54569
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22267
dc.rights	Default License
dc.subject	Μηχανική μάθηση	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Αλτζχάϊμερ	el
dc.subject	Ταξινόμηση εικόνων	el
dc.subject	Machine learning	en
dc.subject	Deep learning	en
dc.subject	Neural networks	en
dc.subject	Alzheimer	en
dc.subject	Image classification	en
dc.subject	Μηχανική μάθηση	el
dc.title	Χρήση συνελικτικών νευρωνικών δικτύων για τον εντοπισμό του Αλτζχάϊμερ σε ασθενείς μέσα από μαγνητικές εγκεφάλου	el
heal.type	bachelorThesis
heal.classification	Neural networks	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-09-20
heal.abstract	Εδώ και αρκετά χρόνια η μηχανική μάθηση αποτελεί έναν τομέα απαραίτητο για την επιστήμη της ιατρικής τόσο για την περίθαλψη όσο και για την πρόληψη αρκετών ασθενειών. Μέσα σε αυτές τις ασθένειες περιλαμβάνεται και η νόσος του Alzheimer. Το 2019 εκτιμήθηκε πως ο αριθμός των ανθρώπων που έχουν άνοια είναι περίπου 48 εκατομμύρια, καθώς επίσης προβλέπεται ότι ο αριθμός αυτός θα αυξηθεί αρκετά στο άμεσο μέλλον. Το Alzheimer αποτελεί την πιο κοινή μορφή άνοιας και επιπλέον μια μάστιγα των Η.Π.Α, εφόσον 6,2 εκατομμύρια άνθρωποι πάσχουν από την συγκεκριμένη νόσο. Για αυτούς τους λόγους οι προσπάθειες καταπολέμησης της γίνονται πιο εντατικές. Βέβαια αξίζει να αναφερθεί πως δεν έχει βρεθεί κάποια θεραπεία, αλλά η πρόωρη διάγνωση της μπορεί να καταστείλει την ασθένεια σε μεγάλο βαθμό και για μεγαλύτερο χρονικό διάστημα, καθώς επίσης να βοηθήσει τους ειδικούς να αντιληφθούν με ποιον τρόπο λειτουργεί, ωστέ να βρεθεί η θεραπεία στο μέλλον. Για το κομμάτι της πρόληψης του Alzheimer, λοιπόν, χρησιμοποιήσαμε μοντέλο βαθειάς μάθησης. Πιο συγκεκριμένα, τα πειράματα μας εκτελούνται πάνω στο αποθετήριο δεδομένων Alzheimer’s Disease Neuroimaging Initaitive (ADNI). Το ADNI αποτελεί μια προσεγμένη βάση δεδομένων με ιατρικά στοιχεία ασθενών, η οποία δημιουργήθηκε από τον Michael W. Weiner το 2003. Σκοπός του ADNI είναι η μελέτη του κατά πόσον οι μαγνητικές τομογραφίες, οι τομογραφίες εκπομπής ποζιτρονίων, άλλοι βιολογικοί δείκτες και νευροψυχολογικές αξιολογήσεις μπορούν να συνδυαστούν για να μετρηθεί η πρόοδος των MCI και AD. Στον σκοπό της παραπάνω προσπάθειας δημιουργήθηκε ένα συνελικτικό νευρωνικό δίκτυο(CNN), το οποίο στοχεύει στον διαχωρισμό των υγιών ατόμων(CN),των ατόμων που έχουν κάποια έλλειψη μνήμης(MCI), καθώς και εκείνων που έχουν διαγνωστεί με Alzheimer (AD). Το συνελικτικό νευρωνικό δίκτυο λαμβάνει ως δεδομένα μαγνητικές εγκεφάλου (MRI), προκειμένου να γίνει ο διαχωρισμός. Οι μαγνητικές αυτές λήφθηκαν από το προαναφερθέν αποθετήριο δεδομένων ADNI.	el
heal.advisorName	Καρόζης, Γεώργος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	91 σ.	el
heal.fullTextAvailability	false