Χρήση τεχνολογιών τεχνητής νοημοσύνης για την αξιολόγηση προδιαθεσικών και μορφολογικών παραγόντων σε ασθενείς που παρουσιάζουν ή όχι ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος στον ανευρυσματικό σάκο της κοιλιακής αορτής

Σκοπός της παρούσας διπλωματικής εργασίας, είναι η επεξεργασία μορφολογικών χαρακτηριστικών και επιδημιολογικών δεδομένων σε ασθενείς με αντιμετωπισθέντα ανευρύσματα κοιλιακής αορτής, σε σχέση με την παρουσία ή όχι ενδοδιαφυγής εντός του ανευρυσματικού σάκου. Με την βοήθεια αλγορίθμων Τεχνητής Νοημο...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Χασάπη, Μαρία Κωνσταντίνα
Άλλοι συγγραφείς: Chasapi, Maria Konstantina
Γλώσσα:Greek
Έκδοση: 2021
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/15696
id nemertes-10889-15696
record_format dspace
institution UPatras
collection Nemertes
language Greek
topic Ανεύρυσμα κοιλιακής αορτής
Ενδοδιαφυγή
Τεχνητή νοημοσύνη
Ευφυές σύστημα
Eξόρυξη γνώσης
Μηχανική μάθηση
Ενδοαυλική αποκατάσταση
Abdominal aortic aneurysm
CTA imaging
Endoleak
Random tree
Artificial intelligence
Machine learning
Knowledge extraction
AAA
Evar
spellingShingle Ανεύρυσμα κοιλιακής αορτής
Ενδοδιαφυγή
Τεχνητή νοημοσύνη
Ευφυές σύστημα
Eξόρυξη γνώσης
Μηχανική μάθηση
Ενδοαυλική αποκατάσταση
Abdominal aortic aneurysm
CTA imaging
Endoleak
Random tree
Artificial intelligence
Machine learning
Knowledge extraction
AAA
Evar
Χασάπη, Μαρία Κωνσταντίνα
Χρήση τεχνολογιών τεχνητής νοημοσύνης για την αξιολόγηση προδιαθεσικών και μορφολογικών παραγόντων σε ασθενείς που παρουσιάζουν ή όχι ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος στον ανευρυσματικό σάκο της κοιλιακής αορτής
description Σκοπός της παρούσας διπλωματικής εργασίας, είναι η επεξεργασία μορφολογικών χαρακτηριστικών και επιδημιολογικών δεδομένων σε ασθενείς με αντιμετωπισθέντα ανευρύσματα κοιλιακής αορτής, σε σχέση με την παρουσία ή όχι ενδοδιαφυγής εντός του ανευρυσματικού σάκου. Με την βοήθεια αλγορίθμων Τεχνητής Νοημοσύνης και ανάλυσης των ανωτέρω δεδομένων γίνεται προσπάθεια να καθοριστούν παράγοντες που επηρεάζουν την εμφάνιση ή όχι διαφυγής στους ασθενείς που έχουν αντιμετωπιστεί με την τοποθέτηση μοσχεύματος ενδοαγγειακά. Γίνεται αναφορά, στο τί είναι τα ανευρύσματα και ποιοι παράγοντες (μορφολογικοί και προδιαθεσικοί) είναι υπεύθυνοι για τη δημιουργία και την ανάπτυξή των ανευρυσμάτων κοιλιακής αορτής με τα οποία ασχολούμαστε. Πραγματοποιείται επίσης αναφορά, στους κινδύνους που ενέχουν για την υγεία των ανθρώπων που φέρουν αυτού του είδους τα ανευρύσματα (συμπτωματικοί και ασυμπτωματικοί) και με ποιόν τρόπο πραγματοποιείται η μελέτη τους. Τα δεδομένα τα οποία χρησιμοποιήσαμε αποτελούνται από απλές κλινικές και CTA απεικονιστικές πληροφορίες και κριτήρια όπως απόσταση ανευρυσματικού σάκου από νεφρικές αρτηρίες, μέγεθος ανευρύσματος, αθηρωματικές αλλοιώσεις, μορφολογία αυχένα ανευρύσματος, μέγεθος οσφυϊκών αρτηριών, ενδοδιαφυγή, που έχουν συλλεχθεί από τις αξονικές αγγειογραφίες (CTAs) του Πανεπιστημιακού Γενικού Νοσοκομείου της Πάτρας, που πραγματοποιήθηκαν στα πλαίσια F/U των ασθενών με ενδοαυλικά μοσχεύματα κοιλιακής αορτής. Μέσω των δεδομένων αυτών και σε συνδυασμό με τη χρήση τεχνολογιών της Τεχνητής Νοημοσύνης, δημιουργήσαμε ένα ευφυές σύστημα, το οποίο είναι ικανό να προβλέπει την ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος, στον ανευρυσματικό σάκο της κοιλιακής αορτής. Το ευφυές σύστημα που δημιουργήσαμε, όπως και κάθε άλλο ευφυές σύστημα, δεν έχει σκοπό να αντικαταστήσει τους ακτινολόγους ιατρούς. Σκοπός του είναι να λειτουργήσει σαν εργαλείο υποστήριξης των επαγγελματιών στον τομέα της υγείας στη λήψη χρήσιμων και τεκμηριωμένων ιατρικών αποφάσεων, πιο γρήγορα και πιο απλά, χρησιμοποιώντας κινητές εφαρμογές.
author2 Chasapi, Maria Konstantina
author_facet Chasapi, Maria Konstantina
Χασάπη, Μαρία Κωνσταντίνα
author Χασάπη, Μαρία Κωνσταντίνα
author_sort Χασάπη, Μαρία Κωνσταντίνα
title Χρήση τεχνολογιών τεχνητής νοημοσύνης για την αξιολόγηση προδιαθεσικών και μορφολογικών παραγόντων σε ασθενείς που παρουσιάζουν ή όχι ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος στον ανευρυσματικό σάκο της κοιλιακής αορτής
title_short Χρήση τεχνολογιών τεχνητής νοημοσύνης για την αξιολόγηση προδιαθεσικών και μορφολογικών παραγόντων σε ασθενείς που παρουσιάζουν ή όχι ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος στον ανευρυσματικό σάκο της κοιλιακής αορτής
title_full Χρήση τεχνολογιών τεχνητής νοημοσύνης για την αξιολόγηση προδιαθεσικών και μορφολογικών παραγόντων σε ασθενείς που παρουσιάζουν ή όχι ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος στον ανευρυσματικό σάκο της κοιλιακής αορτής
title_fullStr Χρήση τεχνολογιών τεχνητής νοημοσύνης για την αξιολόγηση προδιαθεσικών και μορφολογικών παραγόντων σε ασθενείς που παρουσιάζουν ή όχι ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος στον ανευρυσματικό σάκο της κοιλιακής αορτής
title_full_unstemmed Χρήση τεχνολογιών τεχνητής νοημοσύνης για την αξιολόγηση προδιαθεσικών και μορφολογικών παραγόντων σε ασθενείς που παρουσιάζουν ή όχι ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος στον ανευρυσματικό σάκο της κοιλιακής αορτής
title_sort χρήση τεχνολογιών τεχνητής νοημοσύνης για την αξιολόγηση προδιαθεσικών και μορφολογικών παραγόντων σε ασθενείς που παρουσιάζουν ή όχι ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος στον ανευρυσματικό σάκο της κοιλιακής αορτής
publishDate 2021
url http://hdl.handle.net/10889/15696
work_keys_str_mv AT chasapēmariakōnstantina chrēsētechnologiōntechnētēsnoēmosynēsgiatēnaxiologēsēprodiathesikōnkaimorphologikōnparagontōnseastheneispouparousiazounēochiendodiaphygēmetatēntopothetēsēendoaulikoumoscheumatosstonaneurysmatikosakotēskoiliakēsaortēs
AT chasapēmariakōnstantina knowledgeextractionalgorithmsforendoleakpredictionintotheabdominalaorticaneurysm
_version_ 1771297249563770880
spelling nemertes-10889-156962022-09-05T14:09:58Z Χρήση τεχνολογιών τεχνητής νοημοσύνης για την αξιολόγηση προδιαθεσικών και μορφολογικών παραγόντων σε ασθενείς που παρουσιάζουν ή όχι ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος στον ανευρυσματικό σάκο της κοιλιακής αορτής Knowledge extraction algorithms for endoleak prediction into the abdominal aortic aneurysm Χασάπη, Μαρία Κωνσταντίνα Chasapi, Maria Konstantina Ανεύρυσμα κοιλιακής αορτής Ενδοδιαφυγή Τεχνητή νοημοσύνη Ευφυές σύστημα Eξόρυξη γνώσης Μηχανική μάθηση Ενδοαυλική αποκατάσταση Abdominal aortic aneurysm CTA imaging Endoleak Random tree Artificial intelligence Machine learning Knowledge extraction AAA Evar Σκοπός της παρούσας διπλωματικής εργασίας, είναι η επεξεργασία μορφολογικών χαρακτηριστικών και επιδημιολογικών δεδομένων σε ασθενείς με αντιμετωπισθέντα ανευρύσματα κοιλιακής αορτής, σε σχέση με την παρουσία ή όχι ενδοδιαφυγής εντός του ανευρυσματικού σάκου. Με την βοήθεια αλγορίθμων Τεχνητής Νοημοσύνης και ανάλυσης των ανωτέρω δεδομένων γίνεται προσπάθεια να καθοριστούν παράγοντες που επηρεάζουν την εμφάνιση ή όχι διαφυγής στους ασθενείς που έχουν αντιμετωπιστεί με την τοποθέτηση μοσχεύματος ενδοαγγειακά. Γίνεται αναφορά, στο τί είναι τα ανευρύσματα και ποιοι παράγοντες (μορφολογικοί και προδιαθεσικοί) είναι υπεύθυνοι για τη δημιουργία και την ανάπτυξή των ανευρυσμάτων κοιλιακής αορτής με τα οποία ασχολούμαστε. Πραγματοποιείται επίσης αναφορά, στους κινδύνους που ενέχουν για την υγεία των ανθρώπων που φέρουν αυτού του είδους τα ανευρύσματα (συμπτωματικοί και ασυμπτωματικοί) και με ποιόν τρόπο πραγματοποιείται η μελέτη τους. Τα δεδομένα τα οποία χρησιμοποιήσαμε αποτελούνται από απλές κλινικές και CTA απεικονιστικές πληροφορίες και κριτήρια όπως απόσταση ανευρυσματικού σάκου από νεφρικές αρτηρίες, μέγεθος ανευρύσματος, αθηρωματικές αλλοιώσεις, μορφολογία αυχένα ανευρύσματος, μέγεθος οσφυϊκών αρτηριών, ενδοδιαφυγή, που έχουν συλλεχθεί από τις αξονικές αγγειογραφίες (CTAs) του Πανεπιστημιακού Γενικού Νοσοκομείου της Πάτρας, που πραγματοποιήθηκαν στα πλαίσια F/U των ασθενών με ενδοαυλικά μοσχεύματα κοιλιακής αορτής. Μέσω των δεδομένων αυτών και σε συνδυασμό με τη χρήση τεχνολογιών της Τεχνητής Νοημοσύνης, δημιουργήσαμε ένα ευφυές σύστημα, το οποίο είναι ικανό να προβλέπει την ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος, στον ανευρυσματικό σάκο της κοιλιακής αορτής. Το ευφυές σύστημα που δημιουργήσαμε, όπως και κάθε άλλο ευφυές σύστημα, δεν έχει σκοπό να αντικαταστήσει τους ακτινολόγους ιατρούς. Σκοπός του είναι να λειτουργήσει σαν εργαλείο υποστήριξης των επαγγελματιών στον τομέα της υγείας στη λήψη χρήσιμων και τεκμηριωμένων ιατρικών αποφάσεων, πιο γρήγορα και πιο απλά, χρησιμοποιώντας κινητές εφαρμογές. The purpose of this project is to process the morphological and predisposing factors of abdominal aortic aneurysms with the help of Artificial Intelligence algorithms. We are talking about to what aneurysms are and what factors (morphological and predisposing) are responsible for the creation and the development of abdominal aortic aneurysms in which we are working on. We also refer to the risks which are involved in the health of the people who develop these types of aneurysms (symptomatic and asymptomatic) and how they are investigated. The data we used consist of simple clinical and CTA imaging information and criteria such as distance of aneurysm sac from renal arteries, aneurysm size, atherosclerotic lesions, aneurysm morphology, lumbar artery size, endoleak collected from the CT scans of our University Hospital Department of Radiology-Computed Tomography, performed in the context of F/U of patients with abdominal aortic grafts. Through these data, in combination of using Artificial Intelligence technologies, we have created an intelligent system, which is able to predict the endoleak after endovascular repair in the aneurysm sac of the abdominal aorta. The intelligent system we have created is not intended to replace radiologists. Its purpose is to act as a support tool for health professionals in taking useful and documented medical decisions, faster and more simply, using mobile applications. 2021-12-22T07:28:14Z 2021-12-22T07:28:14Z 2020-08-31 http://hdl.handle.net/10889/15696 gr application/pdf