Τεχνικές μηχανικής εκμάθησης για την ανάλυση μυοσκελετικών εικόνων υπερήχων

Με το πεδίο της μηχανικής εκμάθησης να έχει μία ποικιλία εφαρμογών στην σημερινή εποχή σε πολλούς κλάδους, ένας από τους σημαντικούς είναι η κλινική πρακτική. Η χρήση αλγορίθμων που μπορούν να επιταχύνουν την διάγνωση παθήσεων αναλύοντας ιατρικά σήματα και εικόνες είναι ένα γρήγορα αναπτυσσόμενο...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Κακοταρίτης, Αλέξανδρος
Άλλοι συγγραφείς:	Οικονόμου, Γεώργιος
Μορφή:	Thesis
Γλώσσα:	Greek
Έκδοση:	2020
Θέματα:	Τμηματοποίηση Πάχος μυός Μυοσκελετικός υπέρηχος Μηχανική εκμάθηση Segmentation Muscle thickness Musculoskeletal ultrasound Machine learning
Διαθέσιμο Online:	http://hdl.handle.net/10889/13964

id	nemertes-10889-13964
record_format	dspace
spelling	nemertes-10889-139642022-09-05T20:53:57Z Τεχνικές μηχανικής εκμάθησης για την ανάλυση μυοσκελετικών εικόνων υπερήχων Machine learning techniques for musculoskeletal ultrasound image analysis Κακοταρίτης, Αλέξανδρος Οικονόμου, Γεώργιος Φωτόπουλος, Σπυρίδων Οικονόμου, Γεώργιος Αναστασόπουλος, Βασίλειος Kakotaritis, Alexandros Τμηματοποίηση Πάχος μυός Μυοσκελετικός υπέρηχος Μηχανική εκμάθηση Segmentation Muscle thickness Musculoskeletal ultrasound Machine learning Με το πεδίο της μηχανικής εκμάθησης να έχει μία ποικιλία εφαρμογών στην σημερινή εποχή σε πολλούς κλάδους, ένας από τους σημαντικούς είναι η κλινική πρακτική. Η χρήση αλγορίθμων που μπορούν να επιταχύνουν την διάγνωση παθήσεων αναλύοντας ιατρικά σήματα και εικόνες είναι ένα γρήγορα αναπτυσσόμενο πεδίο έρευνας. Συγκεκριμένα το παρακάτω κείμενο επικεντρώνεται στην τμηματοποίηση εικόνων μυοσκελετικού υπέρηχου με σκοπό τον εντοπισμό των ορίων κάθε μυ και την μέτρηση του πάχους τους. Αυτό επιτυγχάνεται με την χρήση δύο τεχνικών, την MUSA η οποία αποτελεί μία κλασική τεχνική τμηματοποίησης μυοσκελετικού υπερήχου και το U-Net ένα βαθύ συνελικτικό που ειδικεύεται στην τμηματοποίηση ιατρικών εικόνων. In recent years machine learning has been employed with very good results in a plethora of applications. A critical field of great importance is that of clinical practice. The usage of algorithms that can accelerate the diagnosis of a condition by analyzing medical signals or medical images is a field that develops at a fast pace. The present thesis focuses on the task of segmentation of musculoskeletal ultrasound images with the purpose of locating the muscle’s boundaries and measuring its thickness. It is achieved by using and comparing the performance of two techniques, on one hand MUSA a classical technique for segmenting musculoskeletal ultrasound images and on the other hand U-Net a deep convolutional network specialized in the segmentation task of medical images. 2020-10-08T10:36:27Z 2020-10-08T10:36:27Z 2019-10-14 Thesis http://hdl.handle.net/10889/13964 gr 12 application/pdf
institution	UPatras
collection	Nemertes
language	Greek
topic	Τμηματοποίηση Πάχος μυός Μυοσκελετικός υπέρηχος Μηχανική εκμάθηση Segmentation Muscle thickness Musculoskeletal ultrasound Machine learning
spellingShingle	Τμηματοποίηση Πάχος μυός Μυοσκελετικός υπέρηχος Μηχανική εκμάθηση Segmentation Muscle thickness Musculoskeletal ultrasound Machine learning Κακοταρίτης, Αλέξανδρος Τεχνικές μηχανικής εκμάθησης για την ανάλυση μυοσκελετικών εικόνων υπερήχων
description	Με το πεδίο της μηχανικής εκμάθησης να έχει μία ποικιλία εφαρμογών στην σημερινή εποχή σε πολλούς κλάδους, ένας από τους σημαντικούς είναι η κλινική πρακτική. Η χρήση αλγορίθμων που μπορούν να επιταχύνουν την διάγνωση παθήσεων αναλύοντας ιατρικά σήματα και εικόνες είναι ένα γρήγορα αναπτυσσόμενο πεδίο έρευνας. Συγκεκριμένα το παρακάτω κείμενο επικεντρώνεται στην τμηματοποίηση εικόνων μυοσκελετικού υπέρηχου με σκοπό τον εντοπισμό των ορίων κάθε μυ και την μέτρηση του πάχους τους. Αυτό επιτυγχάνεται με την χρήση δύο τεχνικών, την MUSA η οποία αποτελεί μία κλασική τεχνική τμηματοποίησης μυοσκελετικού υπερήχου και το U-Net ένα βαθύ συνελικτικό που ειδικεύεται στην τμηματοποίηση ιατρικών εικόνων.
author2	Οικονόμου, Γεώργιος
author_facet	Οικονόμου, Γεώργιος Κακοταρίτης, Αλέξανδρος
format	Thesis
author	Κακοταρίτης, Αλέξανδρος
author_sort	Κακοταρίτης, Αλέξανδρος
title	Τεχνικές μηχανικής εκμάθησης για την ανάλυση μυοσκελετικών εικόνων υπερήχων
title_short	Τεχνικές μηχανικής εκμάθησης για την ανάλυση μυοσκελετικών εικόνων υπερήχων
title_full	Τεχνικές μηχανικής εκμάθησης για την ανάλυση μυοσκελετικών εικόνων υπερήχων
title_fullStr	Τεχνικές μηχανικής εκμάθησης για την ανάλυση μυοσκελετικών εικόνων υπερήχων
title_full_unstemmed	Τεχνικές μηχανικής εκμάθησης για την ανάλυση μυοσκελετικών εικόνων υπερήχων
title_sort	τεχνικές μηχανικής εκμάθησης για την ανάλυση μυοσκελετικών εικόνων υπερήχων
publishDate	2020
url	http://hdl.handle.net/10889/13964
work_keys_str_mv	AT kakotaritēsalexandros technikesmēchanikēsekmathēsēsgiatēnanalysēmyoskeletikōneikonōnyperēchōn AT kakotaritēsalexandros machinelearningtechniquesformusculoskeletalultrasoundimageanalysis
_version_	1771297341498720256

Τεχνικές μηχανικής εκμάθησης για την ανάλυση μυοσκελετικών εικόνων υπερήχων

Παρόμοια τεκμήρια