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:	Συνελικτικά νευρωνικά δίκτυα Βαθιά μάθηση Καρκίνος του μαστού Convolutional neural networks Deep learning Breast cancer
Διαθέσιμο Online:	http://hdl.handle.net/10889/16110

id	nemertes-10889-16110
record_format	dspace
spelling	nemertes-10889-161102022-09-05T20:22:36Z Χρήση deep learning μεθόδων για τη δημιουργία αποτελεσματικού μοντέλου ταξινόμησης καρκίνου του μαστού Using deep learning methods to create an effective breast cancer classification model Χατζηνικολάου, Παναγιώτης Chatzinikolaou, Panagiotis Συνελικτικά νευρωνικά δίκτυα Βαθιά μάθηση Καρκίνος του μαστού Convolutional neural networks Deep learning Breast cancer 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. 2022-03-18T08:05:46Z 2022-03-18T08:05:46Z 2022-03 http://hdl.handle.net/10889/16110 gr application/pdf
institution	UPatras
collection	Nemertes
language	Greek
topic	Συνελικτικά νευρωνικά δίκτυα Βαθιά μάθηση Καρκίνος του μαστού Convolutional neural networks Deep learning Breast cancer
spellingShingle	Συνελικτικά νευρωνικά δίκτυα Βαθιά μάθηση Καρκίνος του μαστού Convolutional neural networks Deep learning Breast cancer Χατζηνικολάου, Παναγιώτης Χρήση deep learning μεθόδων για τη δημιουργία αποτελεσματικού μοντέλου ταξινόμησης καρκίνου του μαστού
description	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.
author2	Chatzinikolaou, Panagiotis
author_facet	Chatzinikolaou, Panagiotis Χατζηνικολάου, Παναγιώτης
author	Χατζηνικολάου, Παναγιώτης
author_sort	Χατζηνικολάου, Παναγιώτης
title	Χρήση deep learning μεθόδων για τη δημιουργία αποτελεσματικού μοντέλου ταξινόμησης καρκίνου του μαστού
title_short	Χρήση deep learning μεθόδων για τη δημιουργία αποτελεσματικού μοντέλου ταξινόμησης καρκίνου του μαστού
title_full	Χρήση deep learning μεθόδων για τη δημιουργία αποτελεσματικού μοντέλου ταξινόμησης καρκίνου του μαστού
title_fullStr	Χρήση deep learning μεθόδων για τη δημιουργία αποτελεσματικού μοντέλου ταξινόμησης καρκίνου του μαστού
title_full_unstemmed	Χρήση deep learning μεθόδων για τη δημιουργία αποτελεσματικού μοντέλου ταξινόμησης καρκίνου του μαστού
title_sort	χρήση deep learning μεθόδων για τη δημιουργία αποτελεσματικού μοντέλου ταξινόμησης καρκίνου του μαστού
publishDate	2022
url	http://hdl.handle.net/10889/16110
work_keys_str_mv	AT chatzēnikolaoupanagiōtēs chrēsēdeeplearningmethodōngiatēdēmiourgiaapotelesmatikoumonteloutaxinomēsēskarkinoutoumastou AT chatzēnikolaoupanagiōtēs usingdeeplearningmethodstocreateaneffectivebreastcancerclassificationmodel
_version_	1771297306920878080

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

Παρόμοια τεκμήρια