Η παρούσα διπλωματική εργασία ασχολείται με την επεξεργασία βιοϊατρικών εικόνων, ειδικότερα υπερηχογραφημάτων μαστού, και την ανάλυσή τους μέσω της εκπαίδευσης νευρωνικών δικτύων βαθιάς μάθησης για την αναγνώριση παθογένειας και την κατηγοριοποίησή τους σε εικόνες υγιείς ή παθογενείς. Η επεξεργασία και ανάλυση πραγματοποιείται στο περιβάλλον MATLAB ®.
Αρχικά, παρουσιάζονται διάφορες μεθόδους επεξεργασίας εικόνων, οι οποίες αξιολογούνται για την ικανότητά τους να απλοποιούν τα δεδομένα και να αναδεικνύουν κρίσιμα χαρακτηριστικά τους, διευκολύνοντας κατ' αυτόν τον τρόπο την ορθή αναγνώριση των εικόνων από τα νευρωνικά δίκτυα. Στη συνέχεια, εξετάζονται διεξοδικά διάφοροι τύποι νευρωνικών δικτύων, όπως τα νευρωνικά δίκτυα πρόσθιας τροφοδότησης (FNN) και τα συνελικτικά νευρωνικά δίκτυα (CNN), με σκοπό την εκτίμηση της απόδοσής τους στην ανάλυση των υπερηχογραφημάτων μαστού. Μέσω πειραματικών διαδικασιών, διερευνώνται οι επιπτώσεις διαφόρων παραμετροποιήσεων των δικτύων και αξιολογούνται τα αποτελέσματα της εκπαίδευσής τους, παρέχοντας έτσι μια ολοκληρωμένη επισκόπηση της αποτελεσματικότητας των προτεινόμενων τεχνικών στην ιατρική διάγνωση στο πεδίο των μαστογραφιών.
.jpg){kind=logo}
University of West Attica
