Αυτοματοποιημένη διάγνωση και πρόγνωση παθολογιών μέσω απεικονιστικών εξετάσεων: προσεγγίσεις μηχανικής μάθησης στο οστεοσάρκωμα, στην αλλεργική δερματίτιδα εξ επαφής, και στο αδενοκαρκίνωμα του παγκρέατος

Περίληψη

Σε μια εποχή που χαρακτηρίζεται από πρωτοφανείς εξελίξεις στην τεχνολογία και την υγειονομική περίθαλψη, η συνεργασία της μηχανικής μάθησης και της ιατρικής αποτελεί την πλέον σύγχρονη πρόκληση για το επόμενο μεγάλο βήμα που θα φέρει την επανάσταση στον τρόπο με τον οποίο πραγματοποιείται η περίθαλψη των ασθενών. Στο επίκεντρο αυτής της τομής βρίσκεται ο τομέας της ανάλυσης ιατρικών εικόνων, όπου η συνεργασία της υπολογιστικής ικανότητας και της κλινικής εμπειρογνωμοσύνης κρύβει τεράστιες δυνατότητες. Καθώς η ζήτηση και οι τρέχουσες ερευνητικές προσπάθειες επικεντρώνονται σε ολοένα πιο ακριβή και αποτελεσματικά διαγνωστικά και προγνωστικά εργαλεία, η παρούσα διδακτορική διατριβή προσπαθεί να πρωτοπορήσει σε νέες προσεγγίσεις που αξιοποιούν τη δύναμη της μηχανικής μάθησης με σκοπό τη διάγνωση και την πρόγνωση παθολογιών που εμφανίζονται σε τρεις διαφορετικές απεικονιστικές εξετάσεις. Πιο συγκεκριμένα, η έρευνα εστιάζει στην ανάλυση ιστολογικών εικόνων με παρουσία οστεοσαρκώματος, πολυφα ...
περισσότερα

Περίληψη σε άλλη γλώσσα

In an era characterized by groundbreaking advancements in technology and healthcare, the convergence of machine learning and medicine has emerged as a contemporary frontier poised to reshape the landscape of healthcare. Central to this convergence is the domain of medical image analysis, where the synergy between computational prowess and clinical expertise holds immense promise. Amid escalating demands for precise and effective diagnostic and prognostic tools, this doctoral thesis endeavors to lead the way with novel approaches harnessing the potential of machine learning to diagnose and prognose pathologies across three distinct imaging modalities. Specifically, the research focuses on the analysis of histological images featuring osteosarcoma, multispectral dermoscopy images indicative of allergic contact dermatitis, and preoperative CT scans of patients with pancreatic ductal adenocarcinoma. In the first study, the research delves into the diagnosis of histological osteosarcoma ima ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/55222
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/55222
ND
55222
Εναλλακτικός τίτλος
Automated diagnosis and prognosis of pathologies in medical imaging: machine learning approaches for osteosarcoma, allergic contact dermatitis, and pancreatic adenocarcinoma
Συγγραφέας
Βεζάκης, Ιωάννης (Πατρώνυμο: Αντώνιος)
Ημερομηνία
2023
Ίδρυμα
Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών. Εργαστήριο Βιοϊατρικής Τεχνολογίας
Εξεταστική επιτροπή
Κουτσούρης Δημήτριος-Διονύσιος
Ματσόπουλος Γεώργιος
Τσανάκας Παναγιώτης
Κωνσταντουλάκης Μανούσος
Χριστοφόρου Ευάγγελος
Παναγόπουλος Αθανάσιος
Ασβεστάς Παντελεήμων
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και ΤεχνολογίαΒιοϊατρική Μηχανική ➨ Βιοϊατρική μηχανική
Λέξεις-κλειδιά
Μηχανική μάθηση; Ιατρικές εικόνες; Οστεοσάρκωμα; Αλλεργική δερματίτιδα εξ επαφής; Αδενοκαρκίνωμα παγκρέατος; Διάγνωση; Πρόγνωση; Ιστοπαθολογία; Δερματοσκόπηση; Επιδερμιδικές δοκιμασίες επιθέματος; Αξονική τομογραφία
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
εικ., πιν., σχημ., γραφ.
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.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)