Σχεδίαση μεθόδων ψηφιακής επεξεργασίας φωνής για τη διάγνωση νόσου covid-19

Βογιατζόπουλος, Παρασκευάς; Vogiatzopoulos, Paraskevas

dc.contributor.author	Βογιατζόπουλος, Παρασκευάς	el
dc.contributor.author	Vogiatzopoulos, Paraskevas	en
dc.date.accessioned	2025-03-11T09:30:27Z
dc.date.available	2025-03-11T09:30:27Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/61325
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29021
dc.rights	Default License
dc.subject	Μηχανική μάθηση	el
dc.subject	Κορωνοϊός	el
dc.subject	Φωνήματα	el
dc.title	Σχεδίαση μεθόδων ψηφιακής επεξεργασίας φωνής για τη διάγνωση νόσου covid-19	el
heal.type	bachelorThesis
heal.classification	Μηχανική μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-10-14
heal.abstract	Η Covid-19 είναι μια μεταδοτική αναπνευστική νόσος που εξαπλώθηκε σε παγκόσμιο επίπεδο το 2020 και ακόμα και σήμερα παραμένει μια σημαντική πρόκληση για τη δημόσια υγεία. Η αναγκαιότητα για γρήγορα και αξιόπιστα διαγνωστικά εργαλεία είναι πιο επιτακτική από ποτέ, λαμβάνοντας υπόψιν τις διαρκείς προκλήσεις που επιφέρει η COVID-19. Η συνεισφορά της μηχανικής μάθησης στην ιατρική είναι σημαντική και πολυδιάστατη, και αφορά τόσο τη διάγνωση και πρόβλεψη της νόσου όσο και τη διαχείριση της δημόσιας υγείας. Στόχος της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη μιας μεθόδου για την αυτόματη διάγνωση της νόσου COVID-19. Προς αυτήν την κατεύθυνση, μελετάται η δυνατότητα εκπαίδευσης μοντέλων μηχανικής μάθησης με δεδομένα που συλλέγονται από τη διαδικτυακή εφαρμογή Smarty4Covid. Η μέθοδος αποτελείται από τέσσερα κύρια στάδια: επεξεργασία των ηχητικών καταγραφών, απομόνωση συγκεκριμένων φωνημάτων ανά ασθενή, εξαγωγή χαρακτηριστικών μέσω του μοντέλου VGG και διάγνωση βάσει επιλεγμένων χαρακτηριστικών. Η μέθοδος χρησιμοποιεί το μοντέλο Allosaurus για την απομόνωση φωνημάτων ενδιαφέροντος και εκτίμηση του χρόνου έναρξής τους αντίστοιχα. Από τα αποτελέσματα προκύπτει πως το μοντέλο VGG που εκπαιδεύεται σε συγκεκριμένα φωνήματα υπερτερεί σε όλες τις μετρικές αξιολόγησης σε σύγκριση με μοντέλα VGG που εκπαιδεύονται στο σύνολο της ηχητικής καταγραφής φωνής, γεγονός που συνηγορεί προς την προβλεπτική ικανότητα χαρακτηριστικών που εξάγονται από απομονωμένα φωνήματα για τη διάγνωση της COVID-19.	el
heal.advisorName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Στάμμου, Γεώργιος	el
heal.committeeMemberName	Βουλοδήμος, Αθανάσιος	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	152 σ.	el
heal.fullTextAvailability	false