URI | http://purl.tuc.gr/dl/dias/451A65F7-4C25-41BD-B673-C3468779A107 | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.103646 | - |
Γλώσσα | en | - |
Μέγεθος | 61 pages | en |
Τίτλος | Creation of a platform for processing magnetic resonance imaging (MRI) images from patients with multiple sclerosis | en |
Τίτλος | Δημιουργία πλατφόρμας επεξεργασίας εικόνων μαγνητικής τομογραφίας από ασθενείς με πολλαπλή σκλήρυνση | el |
Δημιουργός | Ioannou Chrysostomos | en |
Δημιουργός | Ιωαννου Χρυσοστομος | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Zervakis Michail | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Ζερβακης Μιχαηλ | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Liavas Athanasios | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Λιαβας Αθανασιος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Χρίστος Λοϊζου | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Christos Loizou | en |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Εκδότης | Technical University of Crete | en |
Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
Περίληψη | Multiple sclerosis is an autoimmune disease that disrupts communication between the central nervous system and the body, leading to symptoms like seizures, paresthesias, loss of balance, vision problems, and motor issues. Magnetic resonance imaging (MRI) is used to monitor patients' brains and identify plaques, which can increase their disability. This thesis presents a modular software system for handling MRI data on multiple sclerosis, which can be administered, visualized, annotated, and preprocessed using PyQt5-based tools. The platform supports deep learning-based segmentation, allowing for pixel-wise segmentation of lesions through automatic analysis leveraging a U-Net convolutional neural network. Moreover, manual segmentation is supported in this platform. Modern loss functions and class weighting divide the dataset into training, validation, and testing subsets to maximize model performance and guarantee objective evaluation. The dual-pathway architecture makes lesion detection effective, enabling the gathering and evaluation of high-quality neuroimaging datasets for MS research and treatment. | en |
Περίληψη | Η πολλαπλή σκλήρυνση είναι μια αυτοάνοση νόσος που διαταράσσει την επικοινωνία μεταξύ του κεντρικού νευρικού συστήματος και του σώματος, οδηγώντας σε συμπτώματα όπως σπασμούς, παραισθήσεις, απώλεια ισορροπίας, προβλήματα όρασης και κινητικά προβλήματα. Η μαγνητική τομογραφία (MRI) χρησιμοποιείται για την παρακολούθηση των εγκεφάλων των ασθενών και την ανίχνευση πλακών, οι οποίες μπορούν να αυξήσουν την αναπηρία τους. Αυτή η διπλωματική παρουσιάζει ένα λογισμικό σύστημα για την επεξεργασία δεδομένων MRI σχετικά με τη πολλαπλή σκλήρυνση, το οποίο μπορεί να διαχειριστεί, να οπτικοποιήσει, και να προεπεξεργαστεί χρησιμοποιώντας εργαλεία βασισμένα στο PyQt5. Η πλατφόρμα υποστηρίζει κατάτμηση βασισμένη σε βαθιά μάθηση, επιτρέποντας κατάτμηση των βλαβών σε επίπεδο pixel μέσω αυτόματης ανάλυσης που αξιοποιεί ένα συνελικτικό νευρωνικό δίκτυο U-Net. Ακόμη, η πλατφόρμα υποστηρίζει χειροκίνητη κατάτμηση. Οι σύγχρονες συναρτήσεις απώλειας και η ζύγιση των κατηγοριών διαιρούν το σύνολο δεδομένων σε υποσύνολα εκπαίδευσης, επικύρωσης και δοκιμής για να μεγιστοποιήσουν την απόδοση του μοντέλου και να εγγυηθούν αντικειμενική αξιολόγηση. Η αρχιτεκτονική διπλής διαδρομής καθιστά την ανίχνευση βλαβών αποτελεσματική, επιτρέποντας τη συλλογή και αξιολόγηση υψηλής ποιότητας νευροαπεικονιστικών συνόλων δεδομένων για την έρευνα και θεραπεία της ΠΣ. | el |
Τύπος | Διπλωματική Εργασία | el |
Τύπος | Diploma Work | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by-nc-sa/4.0/ | en |
Ημερομηνία | 2025-07-03 | - |
Ημερομηνία Δημοσίευσης | 2025 | - |
Θεματική Κατηγορία | Πολλαπλή σκλήρυνση | el |
Θεματική Κατηγορία | Multiple sclerosis | en |
Θεματική Κατηγορία | U-Net | en |
Θεματική Κατηγορία | Automated segmentation | en |
Βιβλιογραφική Αναφορά | Chrysostomos Ioannou, "Creation of a platform for processing magnetic resonance imaging (MRI) images from patients with multiple sclerosis", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2025 | en |
Βιβλιογραφική Αναφορά | Χρυσόστομος Ιωάννου, "Δημιουργία πλατφόρμας επεξεργασίας εικόνων μαγνητικής τομογραφίας από ασθενείς με πολλαπλή σκλήρυνση", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2025 | el |