Αυτόματος εντοπισμός βλαβών από εγκεφαλικό επεισόδιο σε 
δεδομένα ιατρικών εικόνων

Αντωνάτου, Νάσια; Antonatou, Nasia

dc.contributor.author	Αντωνάτου, Νάσια	el
dc.contributor.author	Antonatou, Nasia	en
dc.date.accessioned	2025-01-20T11:40:36Z
dc.date.available	2025-01-20T11:40:36Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/60893
dc.rights	Αναφορά Δημιουργού - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-sa/3.0/gr/	*
dc.subject	Machine learning	en
dc.subject	Μηχανική μάθηση	el
dc.subject	Κατάτμηση	el
dc.subject	Lesion	en
dc.subject	Segmentation	en
dc.subject	Chronic stroke	en
dc.subject	Brain	en
dc.subject	Βλάβη	el
dc.subject	Ισχαιμικό	el
dc.subject	Εγκεφαλικό επεισόδιο	el
dc.title	Αυτόματος εντοπισμός βλαβών από εγκεφαλικό επεισόδιο σε δεδομένα ιατρικών εικόνων	el
heal.type	bachelorThesis
heal.classification	Photogrammetry	en
heal.classification	Machine learning	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-07-17
heal.abstract	Μία από τις σοβαρότερες νευρολογικές διαταραχές που επηρεάζουν το παγκόσμιο πληθυσμό διαχρονικά αποτελούν τα ισχαιμικά εγκεφαλικά επεισόδια. Η άμεση διάγνωση και αντιμετώπιση των βλαβών που προκαλούνται είναι καθοριστική για τη μετέπειτα ζωή του ασθενούς, ιδιαίτερα στη χρόνια μορφή τους. Γι’ αυτό είναι απαραίτητη η αυτοματοποίηση του εντοπισμού των βλαβών, που θα επισπεύσει και διευκολύνει το έργο του ιατρικού προσωπικού. Ο δημοφιλέστερος αλγόριθμος μηχανικής μάθησης σε ζητήματα βιοϊατρικής φύσης αποτελούν τα βαθιά νευρωνικά δίκτυα. Στα πλαίσια της συγκεκριμένης εργασίας, γίνεται εκτενής ανασκόπηση των βιβλιογραφικών μεθόδων κατάτμησης εγκεφαλικών βλαβών, με σκοπό την εφαρμογή τους και την ανάδειξη αυτής με τη μεγαλύτερη ακρίβεια, ενώ επιχειρείται, ακόμη, η βελτιστοποίηση μίας από αυτές. Μετά την εφαρμογή επιλεγμένων μεθόδων, προέκυψε το συμπέρασμα ότι οι υπάρχουσες μέθοδοι εντοπισμού χρόνιων ισχαιμικών εγκεφαλικών βλαβών δεν επιδεικνύουν το ίδιο ικανοποιητική ακρίβεια με την μέθοδο κατάτμησης εγκεφαλικών όγκων. Γι’ αυτό, προτείνεται η εφαρμογή τεχνικών transfer learning, που θα επιτρέψουν στη συγκεκριμένη μέθοδο να συμβάλλει στη βελτίωση του νευρωνικού δικτύου 3D-Res-U-Net, στα πλαίσια ενός νέου δικτύου.	el
heal.advisorName	Πατεράκη, Μαρία	el
heal.committeeMemberName	Πατεράκη, Μαρία	el
heal.committeeMemberName	Δανηλάτου, Βασιλική	el
heal.committeeMemberName	Καράντζαλος, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Φωτογραμμετρίας	el
heal.academicPublisherID	ntua
heal.numberOfPages	103 σ.	el
heal.fullTextAvailability	false