Αποτελεσματική ανάλυση 3-D Εεκόνων για ανίχνευση Covid-19

Ρεντίφη, Ευαγγελία; Rentifi, Evangelia

dc.contributor.author	Ρεντίφη, Ευαγγελία	el
dc.contributor.author	Rentifi, Evangelia	en
dc.date.accessioned	2022-07-21T10:38:45Z
dc.date.available	2022-07-21T10:38:45Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55478
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.23176
dc.rights	Default License
dc.subject	Βαθιά μάθηση	el
dc.subject	Αξονική τομογραφία	en
dc.subject	Κορονοϊός (Covid-19)	el
dc.subject	Ανατροφοδοτούμενα Νευρωνικά Δίκτυα	el
dc.subject	Συνελικτικά Νευρωνικά Δίκτυα	el
dc.subject	Deep learning	en
dc.subject	Covid-19	en
dc.subject	Recursive Neural Networks (RNNs)	en
dc.subject	Convolutional Neural Networks (CNNs)	en
dc.title	Αποτελεσματική ανάλυση 3-D Εεκόνων για ανίχνευση Covid-19	el
dc.contributor.department	Τομέας Τεχνολογίας, Πληροφορικής & Υπολογιστών	el
heal.type	bachelorThesis
heal.classification	Νευρωνικά Δίκτυα	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-03-04
heal.abstract	Το πρώτο κρούσμα της νόσου COVID-19 παρουσιάστηκε στα τέλη του 2019 στην πόλη Γουχάν της Κίνας. Εκ τότε ακολούθησε η ραγδαία και σε πολλές περιπτώσεις μη ελεγχόμενη εξάπλωση του ιού σε όλον τον πλανήτη με τον Παγκόσμιο Οργανισμό Υγείας να χαρακτηρίζει εντέλει την νόσο ως πανδημία,ενώ μέχρι σήμερα ο συνολικός αριθμός των κρουσμάτων ανέρχεται στα 415 εκατομμύρια. Η ανάπτυξη αξιόπιστων διαγνωστικών μεθόδων κρίθηκε καθοριστικής σημασίας τόσο για την φροντίδα των ίδιων των ασθενών που πάσχουν, όσο και τον περιορισμό της διασποράς της νόσου μέσω εφαρμογής μέτρων κοινωνικής αποστασιοποίησης. Τα μοριακά τεστ RT-PCR καθώς και τα τεστ ταχείας ανίχνευσης αντιγόνου, γνωστά ως rapid test, αποτελούν τα πιο διαδεδομένα διαγνω- στικά εργαλεία. Ωστόσο ο μεγάλος όγκος των διαγνωστικών ελέγχων που διενεργούνται καθη- μερινά, ειδικότερα σε περιόδους έξαρσης του ιού, καθώς και o χαμηλός δείκτης ειδικότητας στην περίπτωση των rapid tests, επιβάλλουν την ανεύρεση νέων εναλλακτικών μεθόδων που θα τεθούν στην διάθεση του παγκόσμιου συστήματος υγείας. Σκοπός της παρούσας εργασίας είναι η ανάπτυξη ενός ευφυούς συστήματος διάγνωσης της νό- σου COVID-19, με την εφαρμογή μεθόδων βαθιάς μάθησης σε ακολουθίες αξονικών τομογραφιών θώρακος. Οι αξονικές τομογραφίες θώρακος χρησιμοποιούνταν μέχρι σήμερα για την διάγνωση πνευμονικών λοιμώξεων,καρκίνου του πνεύμονα,πνευμονικής εμβολής καθώς και άλλων πνευμο- νικών προβλημάτων ωστόσο οι μεταβολές που προκαλεί ο ιός στην εικόνα των πνευμόνων με την ανάπτυξη κυρίως θολών υάλων συνηγορούν στην χρήση τους και για την διάγνωση του COVID- 19. Το αναπτυσσόμενο μοντέλο καταφέρνει να εκμεταλλευτεί τα επαναλαμβανόμενα μοτίβα στις εικόνες των ασθενών με COVID-19 και να παράγει έτσι την τελική διάγνωση.	el
heal.advisorName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-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	79 σ.	el
heal.fullTextAvailability	false