dc.contributor.author | Παπαδάκης, Γεώργιος![]() |
el |
dc.contributor.author | Papadakis, Georgios![]() |
en |
dc.date.accessioned | 2023-11-09T12:22:36Z | |
dc.date.available | 2023-11-09T12:22:36Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/58279 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.25975 | |
dc.description | Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) "Επιστήμη Δεδομένων και Μηχανική Μάθηση" | el |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Βαθιά Μάθηση | el |
dc.subject | Συνελικτικά Νευρωνικά Δίκτυα | el |
dc.subject | Τμηματοποίηση Εικόνας | el |
dc.subject | Μηχανισμός Προσοχής | el |
dc.subject | Ιατρική απεικόνιση | el |
dc.subject | Attention U-Net | en |
dc.subject | U-Net | en |
dc.subject | Deep Learning | en |
dc.subject | Image Segmentation | en |
dc.subject | Attention mechanism | en |
dc.title | Εντοπισμός καρκινικών όγκων με χρήση αλγορίθμων Βαθιάς Μάθησης | el |
heal.type | masterThesis | |
heal.secondaryTitle | Σύγκριση Συνελικτικών Νευρωνικων Δικτύων και Εμπλουτισμός τους | el |
heal.classification | Βαθιά Μάθηση | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2023-07-10 | |
heal.abstract | Ο καρκίνος αποτελεί μια από τις πιο θανάσιμες ασθένειες της δεκαετίας. Προβλέπεται πως θα συνεχίσει και την επόμενη δεκαετία να ανήκει στις 5 πιο θανάσιμες ασθένειες που θα μας προσβάλλουν. Για την επιτυχημένη θεραπεία του και την αποτελεσματική του αντιμετώπιση, το πρώτο και πιο καθοριστικό βήμα είναι αυτό του εντοπισμού του, μιας και οι τρόποι αφαίρεσης ενός όγκου, καθώς και της μετέπειτα παρακολούθησης του ασθενή είναι πάρα πολλοί. Ωστόσο, ο εντοπισμός των καρκινικών όγκων είναι ένα αρκετά περίπλοκο ζήτημα. Το πρόβλημα εμφανίζεται συνήθως στην κυτταρική μορφολογία του όγκου, μιας και σε πολλές περιπτώσεις, η περιοχή στην οποία εμφανίζεται ο καρκινικός όγκος, αποτελείται από κύτταρα και ιστούς, τα οποία υπερκαλύπτουν και εν μέρει καταφέρνουν να αποκρύψουν τον όγκο, με αποτέλεσμα τον δύσκολο εντοπισμό του. Συνέπεια αυτού είναι η ραγδαία εξέλιξη του καρκινικού όγκου, η οποία οδηγεί τις περισσότερες φορές στην μετάσταση του σε περισσότερες από μια περιοχές του σώματος του ασθενή. Σκοπός αυτής της διπλωματικής εργασίας είναι η θεωρητική θεμελίωση και η προγραμματιστική ανάπτυξη αλγορίθμων Βαθιάς Μάθησης, οι οποίοι έχουν ως σκοπό τον εντοπισμό καρκινικών όγκων, μέσα από εξετάσεις οι οποίες αποτελούνται από εικόνες ευπαθών περιοχών. Πιο συγκεκριμένα, θα μελετήσουμε δύο βασικούς επεξηγηματικούς αλγορίθμους, οι οποίοι έχουν ως στόχο της χαρτογράφηση του καρκινικού όγκου πάνω σε μια εικόνα εξέτασης. Ο πρώτος υπό μελέτη αλγόριθμος είναι ο UNET, που αποτελεί τον βασικότερο αλγόριθμο για τέτοια ζητήματα Στην συνέχεια, θα μελετηθεί μια από τις παραλλαγές του, ο αλγόριθμος UNET with Attention. Έπειτα, θα συγκρίνουμε την δομή και τα αποτελέσματα τους με σκοπό τον εντοπισμό κύριων διαφορών ανάμεσα τους. Τέλος θα δοκιμάσουμε διάφορες μορφές της Attention δομής, και θα συγκρίνουμε τα συνολικά αποτελέσματα, ώστε να αναπτυχθεί ένα μοντέλο ικανό να φέρει εις πέρας ακόμα και τις πιο απαιτητικές περιπτώσεις. | el |
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.numberOfPages | 91 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: