Year: 2026
Type: other
Abstract: Στην παρούσα πτυχιακή εργασία πραγματοποιήθηκε μελέτη πάνω στο πεδίο της αξιοποίησης της τεχνητής νοημοσύνης προς όφελος της ιατρικής επιστήμης. Πιο συγκεκριμένα αναπτύχθηκαν δύο μοντέλα βαθιάς μάθησης για τον εντοπισμό και την ανάλυση όγκων εγκεφάλου από MRI εικόνες. Το πρώτο μοντέλο αποτελεί ένα βαθύ συνελικτικό νευρωνικό δίκτυο που ταξινομεί τον πιθανό όγκο σε 4 πιθανές κατηγορίες ενώ το δεύτερο αποτελεί ένα U-Net που τμηματοποιεί την εικόνα και εντοπίζει τον όγκο. Τα πειραματικά αποτελέσματα δείχνουν ότι τα προτεινόμενα μοντέλα παρουσιάζουν ικανοποιητική απόδοση. Συγκεκριμένα, το μοντέλο ταξινόμησης πέτυχε accuracy 92.70% και weighted F1-score 92.64%, ενώ το μοντέλο τμηματοποίησης σημείωσε Dice coefficient 83.82% και Intersection over Union (IoU) 76.22%. Σκοπός της εργασίας είναι η αξιολόγηση των μοντέλων με χρήση διαφόρων μετρικών όπως accuracy, precision, recall, Dice coefficient και Intersection over Union.
Source: Dione (University of Piraeus)
Author: Πέτρου, Αλέξιος
Language: Greek
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7170118051
