Institutional Repository
Technical University of Crete
Technical University of Crete
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/451A65F7-4C25-41BD-B673-C3468779A107 | - |
| Identifier | https://doi.org/10.26233/heallink.tuc.103646 | - |
| Language | en | - |
| Extent | 61 pages | en |
| Title | Creation of a platform for processing magnetic resonance imaging (MRI) images from patients with multiple sclerosis | en |
| Title | Δημιουργία πλατφόρμας επεξεργασίας εικόνων μαγνητικής τομογραφίας από ασθενείς με πολλαπλή σκλήρυνση | el |
| Creator | Ioannou Chrysostomos | en |
| Creator | Ιωαννου Χρυσοστομος | el |
| Contributor [Thesis Supervisor] | Zervakis Michail | en |
| Contributor [Thesis Supervisor] | Ζερβακης Μιχαηλ | el |
| Contributor [Committee Member] | Liavas Athanasios | en |
| Contributor [Committee Member] | Λιαβας Αθανασιος | el |
| Contributor [Committee Member] | Χρίστος Λοϊζου | el |
| Contributor [Committee Member] | Christos Loizou | en |
| Publisher | Πολυτεχνείο Κρήτης | el |
| Publisher | Technical University of Crete | en |
| Academic Unit | Technical University of Crete::School of Electrical and Computer Engineering | en |
| Academic Unit | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
| Content Summary | 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 |
| Content Summary | 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 |
| Type of Item | Διπλωματική Εργασία | el |
| Type of Item | Diploma Work | en |
| License | http://creativecommons.org/licenses/by-nc-sa/4.0/ | en |
| Date of Item | 2025-07-03 | - |
| Date of Publication | 2025 | - |
| Subject | Πολλαπλή σκλήρυνση | el |
| Subject | Multiple sclerosis | en |
| Subject | U-Net | en |
| Subject | Automated segmentation | en |
| Bibliographic Citation | 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 |
| Bibliographic Citation | 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 |
Copyright © DIAS 2013
