Αξιολόγηση μορφολογικών παραγόντων που επηρεάζουν στην εκδήλωση ή μη εγκεφαλικού επεισοδίου σε ασθενείς με καρωτιδική νόσο με την χρήση ευφυών αλγορίθμων εξόρυξης γνώσης

Στην παρούσα διπλωματική εργασία, χρησιμοποιώντας δεδομένα του Πανεπιστημιακού Γενικού Νοσοκομείου Πατρών, έχει γίνει προσπάθεια με την βοήθεια ευφυών αλγορίθμων εξόρυξης γνώσης, να δημιουργηθεί ένα ευφυές σύστημα Τεχνητής Νοημοσύνης, το οποίο προβλέπει την εκδήλωση εγκεφαλικού επεισοδίου σε ασθεν...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Χασάπη, Λαμπρινή
Άλλοι συγγραφείς: Chasapi, Lamprini
Γλώσσα:Greek
Έκδοση: 2020
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/14310
id nemertes-10889-14310
record_format dspace
spelling nemertes-10889-143102022-09-05T20:21:14Z Αξιολόγηση μορφολογικών παραγόντων που επηρεάζουν στην εκδήλωση ή μη εγκεφαλικού επεισοδίου σε ασθενείς με καρωτιδική νόσο με την χρήση ευφυών αλγορίθμων εξόρυξης γνώσης Evaluation of morphological factors which affect to the manifest or not of stroke in patients with carotid disease by using intelligent knowledge mining algorithms Χασάπη, Λαμπρινή Chasapi, Lamprini Καρωτιδική νόσος Μορφολογικοί παράγοντες Ευφυές Σύστημα Εγκεφαλικό επεισόδιο Εργαλείο υποστήριξης Εξόρυξη γνώσης Διάγνωση Carotid disease Morphological factors Intelligent System Stroke CTA Supporting tool Extraction of knowledge Diagnosis Στην παρούσα διπλωματική εργασία, χρησιμοποιώντας δεδομένα του Πανεπιστημιακού Γενικού Νοσοκομείου Πατρών, έχει γίνει προσπάθεια με την βοήθεια ευφυών αλγορίθμων εξόρυξης γνώσης, να δημιουργηθεί ένα ευφυές σύστημα Τεχνητής Νοημοσύνης, το οποίο προβλέπει την εκδήλωση εγκεφαλικού επεισοδίου σε ασθενείς με καρωτιδική νόσο. Γίνεται αναφορά στην Καρωτιδική Νόσο, αναλύοντας το τί είναι η Νόσος των Καρωτίδων, τους παράγοντες οι οποίοι ευθύνονται για την εμφάνιση της νόσου αυτής, δίνοντας ιδιαίτερη σημασία στους μορφολογικούς παράγοντες με τους οποίους ασχολούμαστε και αναλύουμε. Πραγματοποιείται αναφορά στους κινδύνους οι οποίοι υποκρύπτονται και συμβάλλουν στην επιβάρυνση της υγείας των ανθρώπων που διαγιγνώσκονται με αυτήν τη νόσο καθώς και στον τρόπο με τον οποίο πραγματοποιείται η διάγνωση. Από το 2006 μέχρι σήμερα, έχει συλλεχθεί ένας ευρύς αριθμός δεδομένων CTs και CTAs καρωτίδων, ασθενών οι οποίοι προσήλθαν στο Πανεπιστημιακό Γενικό Νοσοκομείο Πατρών. Από τα δεδομένα αυτά, υπολογίστηκαν και αξιολογήθηκαν, η καρωτίδα που έχει υποστεί βλάβη, το ποσοστό στένωσης της καρωτίδας, ο τύπος της αθηρωματικής πλάκας, η παρουσία εξελκώσεων, η μεταστενωτική συρρίκνωση καθώς επίσης και σημαντικές πρόσθετες αθηρωματικές αλλοιώσεις σε λοιπά αγγεία. Η μηχανική μάθηση η οποία προκύπτει μέσω της τεχνητής νοημοσύνης από το ευφυές σύστημα το οποίο δημιουργήθηκε, έχει ως σκοπό να λειτουργήσει ως εργαλείο υποστήριξης διάγνωσης και κατευθυντήριας γραμμής προς τον ιατρό, διευκολύνοντάς τον, χωρίς όμως να τον αντικαθιστά. In the present dissertation, at our disposal, data from the General University Hospital of Patras, and we have been made an effort, by using Intelligent Knowledge Mining Algorithms, to create an Intelligent System which evaluates morphological factors which affect to the manifest or not of stroke, in patients with Carotid Disease. Reference is made to Carotid Disease, analyzing what Carotid Disease is, the factors which are responsible for the occurrence of this disease, giving special importance to the morphological factors we concern and analyze with. There is also a reference to the risks that are hidden and contribute to the health burden of people diagnosed with this disease, as well as the way in which the diagnosis is made. From 2006 until now, a wide range of carotid CTs and CTAs data, has been collected from patients who came to the General University Hospital of Patras. From these data, we calculated and evaluated the damaged carotid artery, the carotid stenosis rate, the type of atherosclerotic plaque, the presence of ulcers, the post- stenotic shrinkage and the possible lesions in other vessels. The extraction of knowledge which has been created from the intelligent system, is intended to serve, as a tool for supporting diagnosis and guideline to the medical doctor, facilitating him without replacing him. 2020-12-08T10:24:23Z 2020-12-08T10:24:23Z 2020-07-10 http://hdl.handle.net/10889/14310 gr application/pdf
institution UPatras
collection Nemertes
language Greek
topic Καρωτιδική νόσος
Μορφολογικοί παράγοντες
Ευφυές Σύστημα
Εγκεφαλικό επεισόδιο
Εργαλείο υποστήριξης
Εξόρυξη γνώσης
Διάγνωση
Carotid disease
Morphological factors
Intelligent System
Stroke
CTA
Supporting tool
Extraction of knowledge
Diagnosis
spellingShingle Καρωτιδική νόσος
Μορφολογικοί παράγοντες
Ευφυές Σύστημα
Εγκεφαλικό επεισόδιο
Εργαλείο υποστήριξης
Εξόρυξη γνώσης
Διάγνωση
Carotid disease
Morphological factors
Intelligent System
Stroke
CTA
Supporting tool
Extraction of knowledge
Diagnosis
Χασάπη, Λαμπρινή
Αξιολόγηση μορφολογικών παραγόντων που επηρεάζουν στην εκδήλωση ή μη εγκεφαλικού επεισοδίου σε ασθενείς με καρωτιδική νόσο με την χρήση ευφυών αλγορίθμων εξόρυξης γνώσης
description Στην παρούσα διπλωματική εργασία, χρησιμοποιώντας δεδομένα του Πανεπιστημιακού Γενικού Νοσοκομείου Πατρών, έχει γίνει προσπάθεια με την βοήθεια ευφυών αλγορίθμων εξόρυξης γνώσης, να δημιουργηθεί ένα ευφυές σύστημα Τεχνητής Νοημοσύνης, το οποίο προβλέπει την εκδήλωση εγκεφαλικού επεισοδίου σε ασθενείς με καρωτιδική νόσο. Γίνεται αναφορά στην Καρωτιδική Νόσο, αναλύοντας το τί είναι η Νόσος των Καρωτίδων, τους παράγοντες οι οποίοι ευθύνονται για την εμφάνιση της νόσου αυτής, δίνοντας ιδιαίτερη σημασία στους μορφολογικούς παράγοντες με τους οποίους ασχολούμαστε και αναλύουμε. Πραγματοποιείται αναφορά στους κινδύνους οι οποίοι υποκρύπτονται και συμβάλλουν στην επιβάρυνση της υγείας των ανθρώπων που διαγιγνώσκονται με αυτήν τη νόσο καθώς και στον τρόπο με τον οποίο πραγματοποιείται η διάγνωση. Από το 2006 μέχρι σήμερα, έχει συλλεχθεί ένας ευρύς αριθμός δεδομένων CTs και CTAs καρωτίδων, ασθενών οι οποίοι προσήλθαν στο Πανεπιστημιακό Γενικό Νοσοκομείο Πατρών. Από τα δεδομένα αυτά, υπολογίστηκαν και αξιολογήθηκαν, η καρωτίδα που έχει υποστεί βλάβη, το ποσοστό στένωσης της καρωτίδας, ο τύπος της αθηρωματικής πλάκας, η παρουσία εξελκώσεων, η μεταστενωτική συρρίκνωση καθώς επίσης και σημαντικές πρόσθετες αθηρωματικές αλλοιώσεις σε λοιπά αγγεία. Η μηχανική μάθηση η οποία προκύπτει μέσω της τεχνητής νοημοσύνης από το ευφυές σύστημα το οποίο δημιουργήθηκε, έχει ως σκοπό να λειτουργήσει ως εργαλείο υποστήριξης διάγνωσης και κατευθυντήριας γραμμής προς τον ιατρό, διευκολύνοντάς τον, χωρίς όμως να τον αντικαθιστά.
author2 Chasapi, Lamprini
author_facet Chasapi, Lamprini
Χασάπη, Λαμπρινή
author Χασάπη, Λαμπρινή
author_sort Χασάπη, Λαμπρινή
title Αξιολόγηση μορφολογικών παραγόντων που επηρεάζουν στην εκδήλωση ή μη εγκεφαλικού επεισοδίου σε ασθενείς με καρωτιδική νόσο με την χρήση ευφυών αλγορίθμων εξόρυξης γνώσης
title_short Αξιολόγηση μορφολογικών παραγόντων που επηρεάζουν στην εκδήλωση ή μη εγκεφαλικού επεισοδίου σε ασθενείς με καρωτιδική νόσο με την χρήση ευφυών αλγορίθμων εξόρυξης γνώσης
title_full Αξιολόγηση μορφολογικών παραγόντων που επηρεάζουν στην εκδήλωση ή μη εγκεφαλικού επεισοδίου σε ασθενείς με καρωτιδική νόσο με την χρήση ευφυών αλγορίθμων εξόρυξης γνώσης
title_fullStr Αξιολόγηση μορφολογικών παραγόντων που επηρεάζουν στην εκδήλωση ή μη εγκεφαλικού επεισοδίου σε ασθενείς με καρωτιδική νόσο με την χρήση ευφυών αλγορίθμων εξόρυξης γνώσης
title_full_unstemmed Αξιολόγηση μορφολογικών παραγόντων που επηρεάζουν στην εκδήλωση ή μη εγκεφαλικού επεισοδίου σε ασθενείς με καρωτιδική νόσο με την χρήση ευφυών αλγορίθμων εξόρυξης γνώσης
title_sort αξιολόγηση μορφολογικών παραγόντων που επηρεάζουν στην εκδήλωση ή μη εγκεφαλικού επεισοδίου σε ασθενείς με καρωτιδική νόσο με την χρήση ευφυών αλγορίθμων εξόρυξης γνώσης
publishDate 2020
url http://hdl.handle.net/10889/14310
work_keys_str_mv AT chasapēlamprinē axiologēsēmorphologikōnparagontōnpouepēreazounstēnekdēlōsēēmēenkephalikouepeisodiouseastheneismekarōtidikēnosometēnchrēsēeuphyōnalgorithmōnexoryxēsgnōsēs
AT chasapēlamprinē evaluationofmorphologicalfactorswhichaffecttothemanifestornotofstrokeinpatientswithcarotiddiseasebyusingintelligentknowledgeminingalgorithms
_version_ 1771297360446488576