Διάγνωση εξ επαφής αλλεργικής δερματίτιδας με χρήση μηχανικής μάθησης

Παναγιωτίδης, Κυριάκος; Panagiotidis, Kyriakos

dc.contributor.author	Παναγιωτίδης, Κυριάκος	el
dc.contributor.author	Panagiotidis, Kyriakos	en
dc.date.accessioned	2023-09-14T11:19:16Z
dc.date.available	2023-09-14T11:19:16Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/58049
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.25746
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc/3.0/gr/	*
dc.subject	Νευρωνικά Δίκτυα	el
dc.subject	Δερματίτιδα	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Συνελικτικά Νευρωνικά Δίκτυα	el
dc.subject	Βαθιά Μηχανική Μάθηση	el
dc.title	Διάγνωση εξ επαφής αλλεργικής δερματίτιδας με χρήση μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.classification	Βιοιατρική	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-06-28
heal.abstract	Η δερματίτιδα αποτελεί μια κοινή δερματική πάθηση που επηρεάζει εκατομμύρια ανθρώπους σε όλο τον κόσμο. Η ύπαρξη διάφορων τύπων και μεθόδων διάγνωσης καθιστούν τόσο την αναγνώριση όσο και την θεραπεία δύσκολα προβλήματα για την επιστημονική κοινότητα. Ο κυριότερος τρόπος διάγνωσης σήμερα γίνεται μέσω της χρήσης επιθέματος και της αξιολόγησης της αντίδρασης του δέρματος με διάφορες ουσίες με σκοπό την αναγνώριση τόσο του τύπου αλλά και της έντασης της ασθένειας. Η παραπάνω διαδικασία ωστόσο, βασίζεται κατά κύριο λόγο στην ικανότητα και την υποκειμενική γνώμη του εξετάζοντος ιατρού, πράγμα που τον καθιστά απαραίτητο και μοναδικό υπόλογο για την διάγνωση της ασθένειας. Η ανάπτυξη της όρασης υπολογιστών και της μηχανικής μάθησης στον τομέα της υγείας τα τελευταία χρόνια έχει οδηγήσει στην αυτοματοποίηση παρόμοιων προβλημάτων. Η εξαγωγή χαρακτηριστικών από εικόνες και εκπαίδευση αντίστοιχων «παραδοσιακών» και βαθιάς μηχανικής μάθησης μοντέλων έχει αποδειχθεί, από πολλές σύγχρονες μελέτες, αξιόπιστο εργαλείο για την διάγνωση πολλών ασθενειών με μεγάλα ποσοστά ακρίβειας. Η ίδια φιλοσοφία μπορεί να ακολουθηθεί και στην περίπτωση της δερματίτιδας. Στο πλαίσιο αυτό στην Α’ Πανεπιστημιακή Κλινική Δερματολογικών και Αφροδίσιων Νοσημάτων (ΑΠΚΔΑΝ), Νοσοκομείο Ανδρεας Συγγρός, πραγματοποιήθηκε δειγματοληπτική διαδικασία και συγκεντρώθηκαν δείγματα και εικόνες δερματίτιδας από 200 ασθενείς. Η συγκεκριμένη ερευνητική διαδικασία στοχεύει στην εκμετάλλευση της δυνατότητας της μηχανικής, και πιο συγκεκριμένα της βαθιάς μάθησης, με την οποία μπορούν να εξαχθούν χαρακτηριστικά αναγνώρισης της δερματίτιδας. Στο πλαίσιο της διπλωματικής εργασίας εξετάστηκαν και αναπτύχθηκαν διάφορα μοντέλα μηχανικής μάθησης τα όποια κατάφεραν να πετύχουν υψηλά ποσοστά ακρίβειας. Έτσι εν δυνάμει, ένας τέτοιος αλγόριθμος θα μπορούσε να χρησιμοποιηθεί ως βοηθητικός διαγνωστικός μηχανισμός, παρέχοντας ενδεικτική γνωμάτευση δερματικών παθήσεων από απομονωμένα ιατρεία είτε σε οικιακή χρήση. Επιπλέον θα μπορούσε να χρησιμοποιηθεί σε συμβουλευτικό ρόλο, ως εργαλείο, από τους ίδιους τους γιατρούς τόσο για ασφαλέστερη πρόληψη όσο και για αντιμετώπιση των εν λόγο παθήσεων. Τα αποτελέσματα της παραπάνω μελέτης αποδείχθηκαν αρκετά υποσχόμενα και η χρήση της μηχανικής μάθησης για τον εντοπισμό δερματίτιδας αποτελεί ένα πρόσφορο έδαφος για την ανάπτυξη εφαρμογών αλλά και την βελτιστοποίηση της ανίχνευσης και της αντιμετώπισης της νόσου.	el
heal.advisorName	Ματσόπουλος, Γιώργος	el
heal.committeeMemberName	Κουτσούρης, ∆ηµήτριος	el
heal.committeeMemberName	Παναγιώτης, Τσανάκας	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	102 σ.	el
heal.fullTextAvailability	false