Η διερεύνηση της σημασίας τεχνικών τεχνητής νοημοσύνης στην αξιολόγηση της μορφομετρικής ανάλυσης επιχρισμάτων διαγνωστικής κυτταρολογίας

Περίληψη

Στην παρούσα εργασία μελετήθηκαν περιστατικά καλοήθων και κακοήθων αλλοιώσεων από τρία διαφορετικά όργανα, το στομάχι, το μαστό και το θυρεοειδή. Για κάθε όργανο επιχειρήθηκε διαχωρισμός της καλοήθειας από την κακοήθεια τόσο σε κυτταρικό επίπεδο όσο και σε επίπεδο περιστατικού, με τη βοήθεια τριών διαφορετικών στατιστικών μεθόδων: της διαχωριστικής ανάλυσης, της λογαριθμιστικής παλινδρόμησης και του δενδρογράμματος. Σε κάθε κύτταρο μετρήθηκαν 25 παράμετροι που χαρακτηρίζουν το σχήμα, το μέγεθος και την υφή της χρωματίνης των πυρήνων τους. Τα αποτελέσματα διαχωρισμού τόσο σε επίπεδο κυττάρων όσο και σε επίπεδο περιστατικών της καλοήθειας από την κακοήθεια, έδειξαν ότι οι στατιστικές μέθοδοι που χρησιμοποιήθηκαν στην παρούσα εργασία μπορούν να εφαρμοστούν συνεπικουρικά με τη διάγνωση του γιατρού-κυτταρολόγου αφού: · αντικειμενοποιούν τη διαγνωστική μέθοδο με την εισαγωγή μορφομετρικών και πυκνομετρικών ποσοτικών χαρακτηριστικών · βελτιώνουν τη διαγνωστική ακρίβεια της κυτταρολογικής διάγ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

In the present work incidents of benign and malignant alterations were studied for three different parts of the human body, stomach, breast and thyroid. For each part discrimination was attempted between benign and malignant alterations in the cellular level as well as in the incident level. This was done using three different statistical methods: discriminant analysis, logistic regression and dendogram. In each cell 25 variables that characterize the form, the size and the texture of the chromatin of their nucleus were measured. The results of discrimination as much in cellular as in incident level between benign alterations and malignancy showed that the statistical methods that were used in the present work can be applied as an additional tool together with the diagnosis of the physician -cytologist since: · they objectify the diagnostic method with the import of morphometric and densitometric quantitative characteristics · they improve the diagnostic precision of cytological diagn ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/23688
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/23688
ND
23688
Εναλλακτικός τίτλος
Research of the importance of artificial intelligence techniques in the assessment of cell morphometric analysis in diagnostic cytology
Συγγραφέας
Μεγαλοπούλου, Τατιάνα-Μόνα (Πατρώνυμο: Αντώνιος)
Ημερομηνία
2009
Ίδρυμα
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών (ΕΚΠΑ). Σχολή Επιστημών Υγείας. Τμήμα Ιατρικής. Τομέας Μορφολειτουργικός. Εργαστήριο Ιστολογίας και Εμβρυολογίας
Εξεταστική επιτροπή
Κίττας Χρήστος
Χατζάκης Άγγελος
Κατσουγιάννη Ελένη-Κλεάνθη
Καρακίτσος Πέτρος
Κυρούδη Ασπασία
Τζίβρας Μιχαήλ
Παναγιωτίδης Ιωάννης
Επιστημονικό πεδίο
Ιατρική και Επιστήμες ΥγείαςΒασική Ιατρική
Λέξεις-κλειδιά
Διαχωριστική ανάλυση; Λογαριθμιστική παλινδρόμηση; Δενδρόγραμμα; Ταξινόμηση; Καλοήθη κύτταρα; Κακοήθη κύτταρα; Διάγνωση; Καρκίνος; Στατιστική μεθοδολογία
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
211 σ., εικ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.