Βαθιά μάθηση με εφαρμογές στην ιατρική

Αθανασίου, Αντώνιος

dc.contributor.advisor	Νικολάου, Γρηγόριος
dc.contributor.author	Αθανασίου, Αντώνιος
dc.date.accessioned	2019-06-07T06:30:59Z
dc.date.available	2019-06-07T06:30:59Z
dc.date.issued	2018-11-08
dc.identifier.uri	http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/4923
dc.description.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.	el
dc.format.extent	72	el
dc.language.iso	el	el
dc.publisher	Α.Ε.Ι. Πειραιά Τ.Τ.	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	TPSH::Επιστήμη Υπολογιστών::Νευρωνικά Δίκτυα (Επιστήμη των Υπολογιστών)	el
dc.title	Βαθιά μάθηση με εφαρμογές στην ιατρική	el
dc.title.alternative	Deep learning with applications in medicine	el
dc.type	Πτυχιακή εργασία	el
dc.contributor.committee	Βασιλειάδου, Σουλτάνα
dc.contributor.committee	Δρόσος, Χρήστος
dc.contributor.department	Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.	el
dc.contributor.faculty	Σχολή Τεχνολογικών Εφαρμογών	el
dc.subject.keyword	Βαθιά μάθηση	el
dc.subject.keyword	Ιατρικές εφαρμογές	el
dc.subject.keyword	Νευρωνικά δίκτυα	el
dc.subject.keyword	Συνελικτικά νευρωνικά δίκτυα	el
dc.subject.keyword	Deep learning	el
dc.subject.keyword	TensorFlow	el
dc.subject.keyword	DICOM	el
dc.subject.keyword	Μηχανική μάθηση	el
dc.description.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.	el

Αρχεία σε αυτό το τεκμήριο

Όνομα:: auto_44518.pdf
Μέγεθος:: 3.081Mb
Τύπος:: PDF

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα