Your browser does not support JavaScript!

Αρχική    Συλλογές    Τύπος Εργασίας    Μεταπτυχιακές εργασίες ειδίκευσης  

Μεταπτυχιακές εργασίες ειδίκευσης

Εντολή Αναζήτησης : Συγγραφέας="Νικολακάκης"  Και Συγγραφέας="Γεώργιος"

Τρέχουσα Εγγραφή: 18 από 5382

Πίσω στα Αποτελέσματα Προηγούμενη σελίδα
Επόμενη σελίδα
Προσθήκη στο καλάθι
[Προσθήκη στο καλάθι]
Κωδικός Πόρου 000441550
Τίτλος Laser-induced breakdown spectroscopy (LIBS) combined with machine learning models and neural networks enables screening and classification of hard tissues such as bones and teeth, with potential applications in archaeological science
Άλλος τίτλος Χαρακτηρισμός και ταξινόμηση οστικών και οδοντικών ιστών μέσω στοιχειακής ανάλυσης με φασματοσκοπία πλάσματος λέιζερ, σε συνδυασμό με μεθόδους μηχανικής μάθησης και νευρωνικά δίκτυα. Πιθανές εφαρμογές στην αρχαιολογική έρευνα.
Συγγραφέας Σπανός, Λάμπρος Σ.
Σύμβουλος διατριβής Άγγλος, Δημήτριος
Μέλος κριτικής επιτροπής Παυλίδης, Παύλος
Σπύρος, Απόστολος
Περίληψη Διαχρονικά η αρχαιολογική και εγκληματολογική έρευνα, έρχονται αντιμέτωπες με την ανασκαφή και αποκάλυψη μαζικών ταφικών χώρων που περιέχουν πλήθος οστικών και οδοντικών υπολειμμάτων μεγάλου αριθμού υποκειμένων. Για τη βέλτιστη δυνατή μελέτη των ευρημάτων αυτών και την εξαγωγή συμπερασμάτων τόσο για την ζωή όσο και για τα αίτια θανάτου των υποκειμένων είναι αναγκαίος ο διαχωρισμός και η κατηγοριοποίηση των υπολειμμάτων σε υποκείμενα, για την ανακατασκευή τμημάτων ή και ολόκληρου του σκελετού. Η σύγχρονη οστεολογία και οστεοαρχαιολογία δίνουν συχνά λύση, χρησιμοποιώντας μεθόδους βασιζόμενες σε μορφολογικά χαρακτηριστικά των οστών. Η ταχύτητα και η ακρίβεια των μεθόδων αυτών είναι άμεσα εξαρτώμενες από την κατάσταση διατήρησης των ευρημάτων με συνέπεια η διαδικασία χαρακτηρισμού να είναι, σε αρκετές περιπτώσεις, χρονοβόρα και το αποτέλεσμα ανακριβές. Για τον λόγο αυτό, η ανάπτυξη εναλλακτικών, εύκολα εφαρμόσιμων μεθόδων που αυξάνουν τόσο την ταχύτητα όσο και την ακρίβεια του διαχωρισμού, απλοποιώντας τις παραπάνω διαδικασίες, θα ήταν δυνατό να λειτουργήσει ευεργετικά τόσο στην αρχαιολογική όσο και στην εγκληματολογική επιστημονική έρευνα. Στην παρούσα εργασία, μελετήθηκε η εφαρμογή της φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (Laser Induced Breakdown Spectroscopy, LIBS), σε συνδυασμό με την επεξεργασία των δεδομένων με μεθόδους μηχανικής μάθησης (Machine Learning) και με τεχνητά νευρωνικά δίκτυα (Artificial Neural Networks) με σκοπό το διαχωρισμό και την κατηγοριοποίηση σε υποκείμενα, οστικών και οδοντικών υπολειμμάτων. Μελετήθηκαν ανθρώπινα και ζωικά δείγματα, με χρήση διάταξης μικροσκοπίας LIBS (micro-LIBS) για τη συλλογή των φασματικών δεδομένων, ενώ η επεξεργασία και ανάλυση αυτών πραγματοποιήθηκε μέσω των μεθόδων μηχανικής μάθησης καθώς και με τη χρήση ενός απλού τεχνητού νευρωνικού δικτύου. Με τη διάταξη micro-LIBS πραγματοποιείται ανάλυση σε τομές σκελετικών υπολειμμάτων, διαστάσεων μερικών cm2 , με υψηλή χωρική ανάλυση (περίπου 50 μm/σημείο) ενώ επιτυγχάνεται ταχεία συλλογή μεγάλου αριθμού φασματικών δεδομένων, απαραίτητη προϋπόθεση για τη βέλτιστη εφαρμογή των αλγορίθμων που χρησιμοποιήθηκαν για την ανάλυση των δεδομένων. Επίσης η τεχνική LIBS είναι μικροκαταστρεπτική, διεξάγεται απευθείας στην επιφάνεια του προς ανάλυση αντικειμένου και δεν απαιτεί προεπεξεργασία του δείγματος, γεγονός που την καθιστά κατάλληλη για τη στοιχειακή ανάλυση ευαίσθητων δειγμάτων και αντικειμένων πολιτιστικής κληρονομίας. Τα οστά και τα δόντια των οργανισμών, έχουν ως κύριο συστατικό τον υδροξυαπατίτη (Ca5(PO4)3OH), ενώ περιέχουν και μικρά ποσοστά οργανικών ενώσεων, όπως το κολλαγόνο, καθώς και νερό. Παράλληλα, στοιχεία όπως το μαγνήσιο (Mg), το στρόντιο (Sr) και το βάριο (Ba) ενσωματώνονται στο πλέγμα ως προσμίξεις, αντικαθιστώντας το ασβέστιο (Ca). Στη φασματική περιοχή στην οποία πραγματοποιήθηκαν οι μετρήσεις LIBS (200 -660 nm) παρατηρούνται κορυφές εκπομπής όλων των προαναφερθέντων στοιχείων, γεγονός που συνεπάγεται την ύπαρξη επαρκούς πληροφορίας για τη στοιχειακή σύσταση των μελετώμενων ιστών. Αυτό καθιστά τα δεδομένα που συλλέγονται κατάλληλα για την άντληση αυξημένης πληροφορίας από τους αλγορίθμους που χρησιμοποιήθηκαν για την ανάλυση. Η μηχανική μάθηση και τα τεχνητά vευρωνικά δίκτυα, βασίζονται στη χρήση αλγορίθμων και στατιστικών μοντέλων για την εκπαίδευση/εκμάθηση ενός υπολογιστή βάσει παραδειγμάτων και την εύρεση μοτίβων, χωρίς ανθρώπινη παρέμβαση, με τρόπο εκμάθησης παρόμοιο με αυτόν του ανθρώπινου εγκεφάλου καθώς και άλλων ζώντων οργανισμών. Η αναζήτηση ανάλογων μοτίβων στα καταγραφόμενα φάσματα σκελετικών υπολειμμάτων, που μπορούν να βοηθήσουν σε ικανοποιητική κατηγοριοποίησή τους, αποτελεί και τον βασικό σκοπό της εργασίας. Οι μέθοδοι που διερευνήθηκαν (k-Nearest Neighbors, Random Forest, Support Vector Machine, Artificial Neural Network) διαθέτουν κλιμακούμενη πολυπλοκότητα και απαιτούν διαφορετική υπολογιστική ισχύ. Πραγματοποιήθηκε συγκριτική ανάλυση των αποτελεσμάτων μεταξύ των τεσσάρων μεθόδων με σκοπό την εύρεση των βέλτιστων παραμέτρων με τις οποίες μπορεί να επιτευχθεί η ανάπτυξη ενός αξιόπιστου μοντέλου διαχωρισμού και κατηγοριοποίησης σκελετικών υπολειμμάτων. Ταυτόχρονα ερευνήθηκε ο περιορισμός των χρησιμοποιούμενων φασματικών περιοχών για την εκ νέου βελτιστοποίηση καθώς και την επιτάχυνση της ανάλυσης των δεδομένων. Από τα αποτελέσματα της ανάλυσης προέκυψε η υπεροχή του νευρωνικού δικτύου, συγκριτικά με τους υπόλοιπους αλγορίθμους, καθώς και η επιλογή συγκεκριμένων φασματικών περιοχών για την επίτευξη του βέλτιστου διαχωρισμού και κατηγοριοποίησής των δεδομένων. Με την χρήση των προαναφερθέντων, η ακρίβεια κατηγοριοποίησης των τεσσάρων διαφορετικών συνόλων δεδομένων που εξετάστηκαν κυμάνθηκε από ικανοποιητική έως εξαιρετική, επιτυγχάνοντας ένα τουλάχιστον επαρκές ποσοστό διαχωρισμού ανεξαρτήτως αυτών. Συνοψίζοντας, στο πλαίσιο της παρούσας εργασίας μελετήθηκε η ανάπτυξη μιας ταχείας, προσβάσιμης και με ικανοποιητική ακρίβεια μεθοδολογίας διαχωρισμού και ταξινόμησης οστικών και οδοντικών υπολειμμάτων, βασιζόμενη στην επεξεργασία φασματικών δεδομένων εκπομπής πλάσματος επαγόμενου από λέιζερ, με τη χρήση μεθόδων μηχανικής μάθησης και νευρωνικά δίκτυα, με πιθανή εφαρμογή σε αρχαιολογικές μελέτες.
Φυσική περιγραφή 129 σ. : πίν., σχήμ., εικ. (μερ. εγχρ.) ; 30 εκ.
Γλώσσα Αγγλικά
Θέμα Archaeology
Forensic science
Hard tissue remains
Micro-LIBS
Αρχαιολογία
Εγκληματολογία
Οδοντικά υπολείμματα
Οστικά υπολείμματα
Σκελετικά υπολείμματα
Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ
Ημερομηνία έκδοσης 2021-07-30
Συλλογή   Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Χημείας--Μεταπτυχιακές εργασίες ειδίκευσης
  Τύπος Εργασίας--Μεταπτυχιακές εργασίες ειδίκευσης
Μόνιμη Σύνδεση https://elocus.lib.uoc.gr//dlib/b/4/e/metadata-dlib-1627903992-6351-2448.tkl Bookmark and Share
Εμφανίσεις 50

Ψηφιακά τεκμήρια
No preview available

Δεν έχετε δικαιώματα για να δείτε το έγγραφο.
Δεν θα είναι διαθέσιμο έως: 2022-01-30