1. Αρχική σελίδα
  2. Αναζήτηση

Διάγνωση COVID-19 από ακολουθίες αξονικών τομογραφιών με χρήση βαθιών νευρωνικών δικτύων

Το τεκμήριο παρέχεται από τον φορέα :
Εθνικό Μετσόβιο Πολυτεχνείο   

Αποθετήριο :
Ψηφιακό Αποθετήριο της Κεντρικής Βιβλιοθήκης του ΕΜΠ | Dspace@NTUA   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Διάγνωση COVID-19 από ακολουθίες αξονικών τομογραφιών με χρήση βαθιών νευρωνικών δικτύων (EL)
Μπριλλάκης, Βασίλειος (EL)
ntua (EL)
Κόλλιας, Στέφανος (EL)
Σταφυλοπάτης, Ανδρέας-Γεώργιος (EL)
Στάμου, Γεώργιος (EL)
bachelorThesis
2020-12-16T06:27:53Z
2020-11-12
Με την ανακήρυξη της νόσου του COVID-19 ως πανδημία, κρίθηκε αναγκαία η ανάπτυξη μεθόδων που επιτρέπουν την έγκαιρη και αποτελεσματική ανίχνευση των κρουσμάτων. Η συνηθέστερη μέθοδος διάγνωσης είναι το μοριακό τεστ RT-PCR το οποίο έχει υψηλή ακρίβεια, όμως απαιτεί σημαντικό χρόνο για την εξαγωγή αποτελέσματος. H ανάλυση των αξονικών τομογραφιών θεωρείται ένα σημαντικό διαγνωστικό εργαλείο που συμπληρώνει την εξέταση RT-PCR, βελτιώνοντας την ακρίβεια διάγνωσης και βοηθώντας τους ασθενείς να λάβουν γρήγορα την κατάλληλη θεραπεία. Ωστόσο, η αξιολόγηση των αξονικών χρειάζεται πολύτιμο χρόνο από τον εξειδικευμένο ιατρό, δείχνοντας την ανάγκη για μια γρήγορη αυτόματη και αξιόπιστη μέθοδο. Στο πλαίσιο αυτής της διπλωματικής υλοποιήθηκαν συστήματα βαθιάς μάθησης για την έγκυρη και ταχεία ανίχνευση των κρουσμάτων της νόσου από ακολουθίες αξονικών τομογραφιών. Τα συστήματα αυτά εκπαιδεύονται με σειρές αξονικών συνοδευόμενων από το αποτέλεσμα του μοριακού τεστ και είναι ικανά να κατηγοριοποιούν τους ασθενείς COVID-19 με υψηλή ακρίβεια. Η ανάπτυξη αυτών των συστημάτων στηρίχθηκε στην αρχιτεκτονική CNN-RNN σε συνδυασμό με την χρήση τεχνικών και μεθόδων βαθιάς μάθησης. (EL)
Κορονοϊός (EL)
Βαθιά μάθηση (EL)
Αξονική τομογραφία (EL)
Συνελικτικά νευρωνικά δίκτυα (EL)
Αναδρομικά νευρωνικά δίκτυα (EL)
Ελληνική γλώσσα
Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών. Εργαστήριο Συστημάτων Τεχνητής Νοημοσύνης και Μάθησης (EL)
Εργαστήριο Συστημάτων Τεχνητής Νοημοσύνης και Μάθησης (EL)
Default License
Εθνικό Μετσόβιο Πολυτεχνείο
Ψηφιακό Αποθετήριο της Κεντρικής Βιβλιοθήκης του ΕΜΠ | Dspace@NTUA
Κεντρική Βιβλιοθήκη Ε.Μ.Π.
Ιδρυματικό Αποθετήριο
Διπλωματικές Εργασίες



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.