Βαθιά μάθηση με εφαρμογές στην ιατρική

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Αθανασίου, Αντώνιος
Μορφή: Πτυχιακή εργασία
Γλώσσα:Greek
Έκδοση: Α.Ε.Ι. Πειραιά Τ.Τ. 2018
Θέματα:
Διαθέσιμο Online:http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/4923
_version_ 1780524267596677120
abstract Η βαθιά μάθηση αποτελεί μέρος μιας ευρύτερης οικογένειας της μηχανικής μάθησης και βρίσκεται στην αιχμή της τεχνολογίας. Είναι μία τεχνική μηχανικής μάθησης η οποία διδάσκει στους υπολογιστές να πράττουν αυτό που στους ανθρώπους έρχεται φυσικά: μάθηση μέσω παραδειγμάτων. Η βαθιά μάθηση είναι η βασική τεχνολογία πίσω από τα αυτόνομα οχήματα και αποτελεί το κλειδί του φωνητικού ελέγχου σε καταναλωτικές συσκευές. Η συγκεκριμένη εργασία θα εμβαθύνει στις εφαρμογές της στην Ιατρική, πιο συγκεκριμένα στη δημιουργία ενός μοντέλου εκπαίδευσης το οποίο θα μπορεί να κατηγοριοποιεί αξονικές τομογραφίες θώρακα σύμφωνα με την ύπαρξη ή μη καρκίνου του πνεύμονα στον ασθενή. Στην εργασία χρησιμοποιήθηκε ή υψηλού επιπέδου γλώσσα προγραμματισμού Python,η Tensor Flow, μια βιβλιοθήκη λογισμικού ανοιχτού κώδικα για προγραμματισμό ροής δεδομένων καθώς και μία πληθώρα βιβλιοθηκών που κατέστησαν δυνατή τη χρήση και επεξεργασία των ιατρικών δεδομένων. Τα ιατρικά δεδομένα που χρησιμοποιήθηκαν πάρθηκαν από τον διαγωνισμό Data Science Bowl 2017 του Kaggle.
abstracttranslated Deep learning is part of a broader family of machine learning and is at the cutting edge of technology. Deep learning is a machine learning technique that teaches computers to do what comes naturally to humans: learn by example. Deep learning is a key technology behind driverless cars and the key to voice control in consumer devices. This particular work will delve into its applications in Medicine, specifically in the creation of a training model that can classify computed tomography scans of the thorax according to whether or not the patient has lung cancer. In this dissertation, Python, a high-level programming language, Tensor Flow, an open-source software library for dataflow programming, as well as a plethora of libraries were utilized to make possible the use and process of the medical data. The medical data used was taken from the Kaggle Data Science Bowl 2017 competition.
advisor
author Αθανασίου, Αντώνιος
author_facet Αθανασίου, Αντώνιος
author_sort Αθανασίου, Αντώνιος
collection Okeanis Institutional Repository
facultydepartment Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
format Πτυχιακή εργασία
id okeanis-123456789-4923
institution University of West Attica Campus II
keyword Βαθιά μάθηση
Ιατρικές εφαρμογές
Νευρωνικά δίκτυα
Συνελικτικά νευρωνικά δίκτυα
Deep learning
TensorFlow
DICOM
Μηχανική μάθηση
language Greek
physical 72
publishDate 2018
publisher Α.Ε.Ι. Πειραιά Τ.Τ.
record_format dspace
spelling okeanis-123456789-49232019-06-07T06:31:02Z Βαθιά μάθηση με εφαρμογές στην ιατρική Deep learning with applications in medicine Αθανασίου, Αντώνιος Νικολάου, Γρηγόριος Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. TPSH::Επιστήμη Υπολογιστών::Νευρωνικά Δίκτυα (Επιστήμη των Υπολογιστών) Βαθιά μάθηση Ιατρικές εφαρμογές Νευρωνικά δίκτυα Συνελικτικά νευρωνικά δίκτυα Deep learning TensorFlow DICOM Μηχανική μάθηση Η βαθιά μάθηση αποτελεί μέρος μιας ευρύτερης οικογένειας της μηχανικής μάθησης και βρίσκεται στην αιχμή της τεχνολογίας. Είναι μία τεχνική μηχανικής μάθησης η οποία διδάσκει στους υπολογιστές να πράττουν αυτό που στους ανθρώπους έρχεται φυσικά: μάθηση μέσω παραδειγμάτων. Η βαθιά μάθηση είναι η βασική τεχνολογία πίσω από τα αυτόνομα οχήματα και αποτελεί το κλειδί του φωνητικού ελέγχου σε καταναλωτικές συσκευές. Η συγκεκριμένη εργασία θα εμβαθύνει στις εφαρμογές της στην Ιατρική, πιο συγκεκριμένα στη δημιουργία ενός μοντέλου εκπαίδευσης το οποίο θα μπορεί να κατηγοριοποιεί αξονικές τομογραφίες θώρακα σύμφωνα με την ύπαρξη ή μη καρκίνου του πνεύμονα στον ασθενή. Στην εργασία χρησιμοποιήθηκε ή υψηλού επιπέδου γλώσσα προγραμματισμού Python,η Tensor Flow, μια βιβλιοθήκη λογισμικού ανοιχτού κώδικα για προγραμματισμό ροής δεδομένων καθώς και μία πληθώρα βιβλιοθηκών που κατέστησαν δυνατή τη χρήση και επεξεργασία των ιατρικών δεδομένων. Τα ιατρικά δεδομένα που χρησιμοποιήθηκαν πάρθηκαν από τον διαγωνισμό Data Science Bowl 2017 του Kaggle. Deep learning is part of a broader family of machine learning and is at the cutting edge of technology. Deep learning is a machine learning technique that teaches computers to do what comes naturally to humans: learn by example. Deep learning is a key technology behind driverless cars and the key to voice control in consumer devices. This particular work will delve into its applications in Medicine, specifically in the creation of a training model that can classify computed tomography scans of the thorax according to whether or not the patient has lung cancer. In this dissertation, Python, a high-level programming language, Tensor Flow, an open-source software library for dataflow programming, as well as a plethora of libraries were utilized to make possible the use and process of the medical data. The medical data used was taken from the Kaggle Data Science Bowl 2017 competition. 2018-11-08 Πτυχιακή εργασία http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/4923 el http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα Α.Ε.Ι. Πειραιά Τ.Τ. 72 http://okeanis.lib2.uniwa.gr/xmlui/bitstream/123456789/4923/6/auto_44518.pdf.jpg
spellingShingle TPSH::Επιστήμη Υπολογιστών::Νευρωνικά Δίκτυα (Επιστήμη των Υπολογιστών)
Αθανασίου, Αντώνιος
Βαθιά μάθηση με εφαρμογές στην ιατρική
title Βαθιά μάθηση με εφαρμογές στην ιατρική
title_full Βαθιά μάθηση με εφαρμογές στην ιατρική
title_fullStr Βαθιά μάθηση με εφαρμογές στην ιατρική
title_full_unstemmed Βαθιά μάθηση με εφαρμογές στην ιατρική
title_short Βαθιά μάθηση με εφαρμογές στην ιατρική
title_sort βαθιά μάθηση με εφαρμογές στην ιατρική
title_translated Deep learning with applications in medicine
topic TPSH::Επιστήμη Υπολογιστών::Νευρωνικά Δίκτυα (Επιστήμη των Υπολογιστών)
url http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/4923