Your browser does not support JavaScript!

Αρχική    Συλλογές    Τύπος Εργασίας  

Τύπος Εργασίας

Τεχνικές αναφορές [13] Δημοσιεύσεις [15]
Πτυχιακές εργασίες [1473] Πρακτικά Συνεδρίων
Μεταπτυχιακές εργασίες ειδίκευσης [5768] Μελέτες
Διδακτορικές διατριβές [2233] Προγράμματα Σπουδών
Διάφορα [72]

Τρέχουσα Εγγραφή: 1 από 26

Πίσω στα Αποτελέσματα Προηγούμενη σελίδα
Επόμενη σελίδα
Προσθήκη στο καλάθι
[Προσθήκη στο καλάθι]
Κωδικός Πόρου 000447242
Τίτλος GUDU: Geometrically-constrained Ultrasound Data augmentation in U-Net for echocardiography semantic segmentation
Άλλος τίτλος GUDU: γεωμετρικά προσδιορισμένη αύξηση δεδομένων για την σημασιολογική τμηματοποίηση εικόνων υπερήχου καρδιάς με χρήση συνελικτικών νευρωνικών δικτύων
Συγγραφέας Σφακιανάκης, Χριστόφορος Γ.
Σύμβουλος διατριβής Τζιρίτας, Γεώργιος
Μέλος κριτικής επιτροπής Αργυρός, Αντώνιος
Κομοντάκης, Νικόλαος
Περίληψη Η υπερηχοκαρδιογραφία είναι μια πολύ σημαντική ιατρική εξέταση που βοηθάει στον υπολογισμό κρίσιμων καρδιακών λειτουργιών. Η οριοθέτηση, η τμηματοποίηση και ο υπολογισμός του όγκου των βασικών μερών της καρδιάς και ιδιαίτερα της αριστερής κοιλίας είναι μια σημαντική αλλά δύσκολη και χρονοβόρα διαδικασία, ακόμα και για τους πιο έμπειρους καρδιολόγους, λόγω των σκιών και του αυξημένου κοκκώδη θορύβου που χαρακτηρίζουν τις εικόνες υπερήχου. Τα τελευταία χρόνια έχει στραφεί η έρευνα στην αυτόματη τμηματοποίηση των μερών της καρδιάς μέσω τεχνικών τεχνητής νοημοσύνης και ειδικά με την χρήση της βαθιάς μάθησης. Σε αυτό το πλαίσιο εντάσσεται η δουλειά μας. Έχουμε υλοποιήσει ένα τεχνητό συνελικτικό νευρωνικό δίκτυο και το έχουμε εκπαιδεύσει, χρησιμοποιώντας ένα μεγάλο δημόσιο σύνολο εικόνων υπερήχου καρδιάς (τράπεζα CAMUS ), ώστε να εξάγει τις περιοχές της αριστερής κοιλίας, του μυοκαρδίου και του αριστερού κόλπου. Για την καλύτερη και εξειδικευμένη εκπαίδευση του, έχουμε αναπτύξει μια αύξηση δεδομένων βασιζόμενοι στην ιατρική πράξη της υπερηχοκαρδιογραφίας. Η αξιολόγηση της μεθόδου μας από την ανεξάρτητη πλατφόρμα του δημόσιου διαγωνισμού CAMUS, έδειξε σημαντικά ποσοστά βελτίωσης στην τμηματοποίηση αλλά και στον υπολογισμό του όγκου και του κλάσματος εξώθησης της αριστερής κοιλίας. Συγκεκριμένα χρησιμοποιώντας την μετρική Dice για τα γεωμετρικά μεγέθη, η επίδοση της μεθόδου μας για το επικάρδιο έφτασε στο 0.956 για την διαστολική φάση και 0.950 για την συστολική. Για τα κλινικά μεγέθη του όγκου της αριστερής κοιλίας χρησιμοποιήθηκε ο συντελεστής συσχέτισης Pearson όπου η μέθοδος μας απέδωσε 0.973, 0.974, 0.871 για την διαστολική τη συστολική φάση και το κλάσμα εξώθησης αντίστοιχα.
Φυσική περιγραφή vi, 39 σ. : σχεδ., πιν., εικ. ; 30 εκ.
Γλώσσα Αγγλικά
Θέμα Deep learning
Echocardiography
Image segmentation
Medical imaging
Ιατρική απεικόνιση
Νευρωνικά δίκτυα
Τμηματοποίηση
Υπερυχοκαρδιογραφία
Ημερομηνία έκδοσης 2022-07-29
Συλλογή   Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Επιστήμης Υπολογιστών--Μεταπτυχιακές εργασίες ειδίκευσης
  Τύπος Εργασίας
Μόνιμη Σύνδεση https://elocus.lib.uoc.gr//dlib/e/6/6/metadata-dlib-1648800544-604436-2905.tkl Bookmark and Share
Εμφανίσεις 208

Ψηφιακά τεκμήρια
No preview available

Δεν έχετε δικαιώματα για να δείτε το έγγραφο.
Δεν θα είναι διαθέσιμο έως: 2023-07-29