Ανάλυση υπερηχογραφικής εικόνας με τεχνικές μηχανικής εκμάθησης - μυοσκελετικές εφαρμογές

Τα συστήματα διάγνωσης με την βοήθεια του υπολογιστή αλλά και οι διαθέσιμες τεχνολογίες που αυξάνουν τις ικανότητες των ειδικών είναι ένα ραγδαία αναπτυσσόμενο πεδίο. Ακολουθώντας τις πρόσφατες εξελίξεις σε αυτό τον τομέα η παρούσα ερευνητική εργασία μελετά πιθανές εφαρμογές στην υπερηχοτομογραφία τ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Κατάκης, Σοφοκλής
Άλλοι συγγραφείς: Φωτόπουλος, Σπυρίδων
Μορφή: Thesis
Γλώσσα:Greek
Έκδοση: 2019
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/12232
Περιγραφή
Περίληψη:Τα συστήματα διάγνωσης με την βοήθεια του υπολογιστή αλλά και οι διαθέσιμες τεχνολογίες που αυξάνουν τις ικανότητες των ειδικών είναι ένα ραγδαία αναπτυσσόμενο πεδίο. Ακολουθώντας τις πρόσφατες εξελίξεις σε αυτό τον τομέα η παρούσα ερευνητική εργασία μελετά πιθανές εφαρμογές στην υπερηχοτομογραφία του μυοσκελετικού συστήματος. Για το σκοπό αυτό αρχικά καταγράφηκε μία βάση δεδομένων που αποτελείται από υπερηχογραφικές εικόνες σε διάφορα μέρη του μυοσκελετικού συστήματος 74 νεαρών υγειών ατόμων. Οι υπερηχογραφικές εικόνες πάρθηκαν από 4 διαφορετικούς μυς του ανθρώπινου συστήματος σε δύο διαφορετικές λήψεις. Οι μυς αυτοί είναι ο δικέφαλος βραχιόνιος, ο τετρακέφαλος μηριαίος, ο πρόσθιος κνημιαίος και ο γαστροκνήμιος. Στην συνέχεια πραγματοποιήθηκαν τρία προβλήματα ταξινόμησης με τεχνικές Μηχανικής αλλά και Βαθιάς Μάθησης. Τα προβλήματα αυτά ήταν η αναγνώριση του φύλου του κάθε ατόμου, της κυρίαρχης πλευράς του αλλά και ο σωστός προσδιορισμός του τύπου του μυός μέσα από την υφή της υπερηχογραφικής εικόνας σε κάθε μυ. Από τα αποτελέσματα προκύπτει ότι όσων αφορά το πρόβλημα του φύλου των ατόμων διαχωρίζεται καλύτερα σε κάποιες τομές. Στο πρόβλημα του τύπου του μυός φαίνεται ότι είναι εφικτή η πλήρης διαχώριση του ενώ στην αναγνώριση της κυρίαρχης πλευράς δεν μπορεί να προκύψει ασφαλές συμπέρασμα. Τέλος, πραγματοποιήθηκαν διάφορες αναλύσεις για να αξιολογήσουμε την δυνατότητα γενίκευσης του μοντέλου που προτείνουμε αλλά και την αξιοπιστία του. Τα ευρήματα της εργασίας δείχνουν ότι ένα σύστημα Μηχανικής Μάθησης είναι σε θέση να αποκτήσει εμπειρία από μυοσκελετικές εικόνες υπερηχοτομογραφίας, ανοίγοντας το δρόμο για την δημιουργία εφαρμογών υποβοηθούμενης διάγνωσης.