Ανάλυση δεδομένων με τεχνικές μηχανικής και βαθιάς μάθησης για τη μοντελοποίηση και εκτίμηση της εξέλιξης της οστεοαρθρίτιδας γονάτου σε ασθενείς

Περίληψη

Η οστεοαρθρίτιδα γονάτου αποτελεί μια από τις πιο κοινές παθήσεις του μυοσκελετικού συστήματος, επηρεάζοντας εκατομμύρια ανθρώπους ανά την υφήλιο. Η νόσος χαρακτηρίζεται από μια προοδευτική εκφύλιση του αρθρικού χόνδρου, συνοδευόμενη από πόνο, δυσκαμψία και περιορισμό της κινητικότητας της άρθρωσης. Η έγκαιρη διάγνωση και η παρακολούθηση της εξέλιξης της οστεοαρθρίτιδας είναι κρίσιμες για την αποτελεσματική της διαχείριση και τη βελτίωση της ποιότητας ζωής των ασθενών. Ιατρικές απεικονίσεις όπως οι ακτινολογικές εικόνες (X-ray) και οι μαγνητικές τομογραφίες (MRI) αποτελούν μερικά από τα πιο αξιόπιστα εργαλεία στα χέρια των ειδικών υγείας για την απεικόνιση των μαλακών ιστών, συμπεριλαμβανομένου του αρθρικού χόνδρου, καθιστώντας τες κατ' αυτόν τον τρόπο ιδανικές για την αξιολόγηση της οστεοαρθρίτιδας, καθώς και για την εκτίμηση της προοδευτικής πορείας της νόσου. Ο σκοπός της παρούσας διατριβής είναι διττός: Αφενός, πρώτος στόχος είναι η ανάπτυξη μεθόδων μηχανικής και βαθιάς μάθησης για ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Knee osteoarthritis is one of the most common musculoskeletal disorders, affecting millions of people worldwide. The disease is characterized by progressive degeneration of the articular cartilage, accompanied by pain, joint stiffness, and limited joint mobility. Early diagnosis and monitoring of the progression of osteoarthritis are crucial for its effective management and improving patients’ quality of life. Medical imaging such as X‐rays and magnetic resonance imaging (MRI) are some of the most reliable tools available to healthcare professionals for imaging soft tissues, including articular cartilage, making them ideal for assessing osteoarthritis and evaluating the progressive course of the disease. The purpose of this thesis is twofold: On the one hand, the first objective is to develop machine and deep learning methods for the automatic segmentation of knee articular cartilage (femoral and tibial) from magnetic resonance images. On the other hand, using the techniques developed ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/62873
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/62873
ND
62873
Εναλλακτικός τίτλος
Data analysis using machine learning and deep learning techniques to model and assess the progression of knee osteoarthritis in patients
Συγγραφέας
Χαδουλός, Χρήστος (Πατρώνυμο: Γεώργιος)
Ημερομηνία
09/2026
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Σχολή Πολυτεχνική. Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Εξεταστική επιτροπή
Θεοχάρης Ιωάννης
Συμεωνίδης Ανδρέας
Κουγιουμτζής Δημήτριος
Πετραντωνάκης Παναγιώτης
Μαστοροκώστας Πάρις
Αγγελή Αμαλία
Διαμαντουλάκης Παναγιώτης
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και Τεχνολογία ➨ Επιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ ➨ Αυτοματισμοί και Συστήματα ελέγχου
Λέξεις-κλειδιά
Μηχανική μάθηση; Βαθιά μάθηση; Ψηφιακή επεξεργασία ιατρικής εικόνας; Κατάτμηση εικόνων; Χωροχρονική εκτίμηση; Νευρωνικά δίκτυα γράφων (GNNs)
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
πιν., σχημ.
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.