Ανίχνευση ιδιοπαθούς σκολίωσης σε εικόνες δύο διαστάσεων
με χρήση τεχνικών Μηχανικής Μάθησης

Κονταξής, Παναγιώτης; Kontaxis, Panagiotis

dc.contributor.author	Κονταξής, Παναγιώτης	el
dc.contributor.author	Kontaxis, Panagiotis	en
dc.date.accessioned	2023-03-01T09:23:28Z
dc.date.available	2023-03-01T09:23:28Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57172
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24870
dc.rights	Default License
dc.subject	Ιδιοπαθής Σκολίωση	el
dc.subject	Εξαγωγή Χαρακτηριστικών	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Δυαδική Ταξινόμηση	el
dc.subject	Λογιστική Παλινδρόμηση	el
dc.subject	Μηχανές Διανυσμάτων Υποστήριξης	el
dc.subject	Τυχαίο ∆άσος	el
dc.subject	Idiopathic Scoliosis	en
dc.subject	Feature Extraction	en
dc.subject	Machine Learning	en
dc.subject	Binary Classification	en
dc.subject	Logistic Regression	en
dc.subject	Support Vector Machines	en
dc.subject	Random Forest	en
dc.title	Ανίχνευση ιδιοπαθούς σκολίωσης σε εικόνες δύο διαστάσεων με χρήση τεχνικών Μηχανικής Μάθησης	el
heal.type	masterThesis
heal.classification	Μηχανική Μάθηση	el
heal.classification	Machine Learning	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-01-23
heal.abstract	Η ιδιοπαθής σκολίωση είναι μια πάθηση που προκαλεί μη φυσιολογική καμπυλότητα της σπονδυλικής στήλης. Συνήθως εμφανίζεται στο τέλος της παιδικής ηλικίας ή στην αρχή της εφηβείας και εξελίσσεται μέχρι το παιδί να ενηλικιωθεί. Η έγκαιρη διάγνωση της σκολίωσης παίζει σημαντικό ρόλο στη μετέπειτα πορεία της νόσου. Η διάγνωση της ιδιοπαθούς σκολίωσης γίνεται μέσω ακτινογραφίας της σπονδυλικής στήλης ή μέσω ιατρικής εξέτασης στην οποία ο γιατρός παρατηρεί την πλάτη του παιδιού το οποίο βρίσκεται σε θέση επίκυψης, αναζητώντας ενδεχόμενη παραμόρφωση της σπονδυλικής στήλης. Στην εργασία αυτή παρουσιάζεται μία μέθοδος διάγνωσης της ιδιοπαθούς σκολίωσης σε φωτογραφίες πλάτης ατόμων με χρήση τεχνικών Μηχανικής Μάθησης. Αρχικά δημιουργήθηκε ένα σύνολο δεδομένων εικόνων από την πλάτη υγιών ατόμων και ασθενών με σκολίωση. Από τις εικόνες αυτές έγινε επιλογή και εξαγωγή κατάλληλων χαρακτηριστικών για τη διάγνωση της σκολίωσης. Τα χαρακτηριστικά του συνόλου δεδομένων χρησιμοποιήθηκαν για την εκπαίδευση και την αξιολόγηση της απόδοσης τριών μοντέλων Μηχανικής Μάθησης για δυαδική ταξινόμηση: της Λογιστικής Παλινδρόμησης, των Μηχανών Διανυσμάτων Υποστήριξης και του Τυχαίου ∆άσους. Η προβλεπτική ικανότητα των τριών παραπάνω μοντέλων που εκπαιδεύτηκαν για την αναγνώριση της σκολίωσης ήταν ικανοποιητική.	el
heal.abstract	Idiopathic scoliosis is a condition that causes an abnormal curvature of the spine. It usually appears in late childhood or early adolescence and progresses until the child reaches adulthood. Early diagnosis of scoliosis plays an important role in the subsequent course of the disease. The diagnosis of idiopathic scoliosis is made through an X-ray of the spine or through a medical examination in which the doctor observes the back of the child who is in a prone position, looking for possible deformation of the spine. This Thesis presents a method for diagnosing scoliosis in photographs of people’s backs using Machine Learning techniques. A dataset of back images of healthy individuals and patients with scoliosis was first created. From these images, appropriate features were selected and extracted for the diagnosis of scoliosis. The features of the dataset were used to train and evaluate the performance of three Machine Learning models for binary classification: Logistic Regression, Support Vector Machines and Random Forest. The predictive ability of the above three models trained to recognize scoliosis was satisfactory.	en
heal.advisorName	Ματσόπουλος, Γεώργιος	el
heal.committeeMemberName	Ματσόπουλος, Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Τσανάκας, Παναγιώτης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false