Χρήση deep learning μεθόδων για τη δημιουργία αποτελεσματικού μοντέλου ταξινόμησης καρκίνου του μαστού

Κατά την τελευταία δεκαετία, η ολοένα αυξανόμενη παγκόσμια ζήτηση για έγκαιρη ανίχνευση του καρκίνου του μαστού σε πολλές τοποθεσίες διαλογής και νοσοκομεία οδήγησε στην ανάγκη νέων ερευνητικών οδών. Σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας (ΠΟΥ), η έγκαιρη διάγνωση του καρκίνου αυξάνει σημαντικά τ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Χατζηνικολάου, Παναγιώτης
Άλλοι συγγραφείς: Chatzinikolaou, Panagiotis
Γλώσσα:Greek
Έκδοση: 2022
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/16110
Περιγραφή
Περίληψη:Κατά την τελευταία δεκαετία, η ολοένα αυξανόμενη παγκόσμια ζήτηση για έγκαιρη ανίχνευση του καρκίνου του μαστού σε πολλές τοποθεσίες διαλογής και νοσοκομεία οδήγησε στην ανάγκη νέων ερευνητικών οδών. Σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας (ΠΟΥ), η έγκαιρη διάγνωση του καρκίνου αυξάνει σημαντικά τις πιθανότητες λήψης της σωστής απόφασης για ένα επιτυχημένο θεραπευτικό σχέδιο. Τα συστήματα διάγνωσης με τη βοήθεια υπολογιστή (CAD) εφαρμόζονται ευρέως στην ανίχνευση και τη διάγνωση πολλών διαφορετικών ειδών ανωμαλιών. Επομένως, η βελτίωση της ακρίβειας ενός τέτοιου συστήματος έχει γίνει ένας από τους σημαντικότερους τομείς της έρευνας. Σε αυτήν την εργασία χρησιμοποιήθηκαν ιατρικές εικόνες από δείγματα ανθρώπων που είχαν διαγνωσθεί με καρκίνο, αλλά και υγιείς, με σκοπό να εκπαιδεύσουμε το μοντέλο μας και να δώσουμε σαν αποτέλεσμα την καλύτερη δυνατή πρόβλεψη, ώστε ο παθολόγος να μπορέσει να κάνει την καλύτερη δυνατή διάγνωση. Αυτό προσπαθούμε να το πραγματοποιήσουμε με σύγχρονα Deep Learning μοντέλα και πιο συγκεκριμένα, με Συνελικτικά Νευρωνικά Δίκτυα (Convolutional Neural Network - CNN). Σκοπός είναι να πετύχουμε ένα υψηλό ποσοστό ακρίβειας, για μια πιο ολοκληρωμένη και γενική προσέγγιση ανίχνευσης και διάγνωσης του καρκίνου του μαστού.