DEEP LEARNING APPLICATION FOR POLYPS’ IDENTIFICATION

ΕΦΑΡΜΟΓΗ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΓΙΑ ΑΝΙΧΝΕΥΣΗ ΠΟΛΥΠΟΔΑ (greek)

  1. MSc thesis
  2. ΑΝΑΣΤΑΣΙΟΣ ΒΑΝΗΣ
  3. Βιοπληροφορική και Νευροπληροφορική (ΒΝΠ)
  4. 19 February 2023
  5. Αγγλικά
  6. 112
  7. ΚΟΥΜΑΚΗΣ, ΕΛΕΥΘΕΡΙΟΣ
  8. ΚΟΝΔΥΛΑΚΗΣ, ΧΑΡΙΔΗΜΟΣ | ΒΡΑΧΑΤΗΣ, ΑΡΙΣΤΕΙΔΗΣ | ΠΑΝΑΓΙΩΤΗΣ ΒΛΑΜΟΣ
  9. πολύποδας | ΒΑΘΙΑ ΜΑΘΗΣΗ | YOLOV5 | Transfer Learning | Deep learning | Quality indicators | ADR
  10. ΒΝΠΔΕ
  11. 111
  12. 314

    • This thesis introduces the idea of an enhanced colonoscopy process. Simplifies the process for the medical examiners, letting them focus on the results providing them with insights about any detectable small signs of the bowel polyps and possible cancer. Early detections can even prevent a colorectal cancer. This technologic enhancement in the process of colonoscopy makes a very valuable addition. Deep Learning is an advanced frameworks of artificial intelligence which contains a lot of interesting and useful models. It is quite common to use deep learning in the search of an advanced subject, as it gets easier for the model to identify patterns that simple algorithms can’t reach. Nowadays it is a usual practice to explore the option of deep learning to respond on a variety of scientific question from Gene therapies, DNA, RNA questions or even some of the most complicated mathematical problems. In healthcare deep learning is a powerful ally on whom we can rely on to provide us with useful responses on questions of high complexity. One of those questions we are trying to answer with this thesis. How can we identify polyps and categorise them using deep learning and based on their type during the colonoscopy examination.

    • Αυτή η διατριβή εισάγει την ιδέα μιας ενισχυμένης κολονοσκόπησης. Απλοποιεί τη διαδικασία για τους ιατρούς, επιτρέποντάς τους να επικεντρωθούν στα αποτελέσματα παρέχοντάς τους πληροφορίες σχετικά με τυχόν ανιχνεύσιμα μικρά σημάδια των πολυπόδων του εντέρου και πιθανού καρκίνου. Η έγκαιρη ανίχνευση μπορεί ακόμη και να αποτρέψει έναν καρκίνο του παχέος εντέρου. Αυτή η τεχνολογική βελτίωση στη διαδικασία της κολονοσκόπησης αποτελεί μια πολύ πολύτιμη προσθήκη. Η βαθιά μάθηση είναι ένα προηγμένο πλαίσιο τεχνητής νοημοσύνης που περιέχει πολλά ενδιαφέροντα και χρήσιμα μοντέλα. Είναι αρκετά συνηθισμένο να χρησιμοποιείται βαθιά εκμάθηση στην αναζήτηση ενός προχωρημένου θέματος, καθώς γίνεται ευκολότερο για το μοντέλο να αναγνωρίσει μοτίβα που απλοί αλγόριθμοι δεν μπορούν να φτάσουν. Σήμερα είναι μια συνηθισμένη πρακτική να διερευνάται η επιλογή της βαθιάς μάθησης για να απαντήσετε σε μια ποικιλία επιστημονικών ερωτημάτων από γονιδιακές θεραπείες, ερωτήσεις DNA, RNA ή ακόμα και μερικά από τα πιο περίπλοκα μαθηματικά προβλήματα. Στην υγειονομική περίθαλψη η βαθιά μάθηση είναι ένας ισχυρός σύμμαχος στον οποίο μπορούμε να βασιστούμε για να μας παρέχει χρήσιμες απαντήσεις σε ερωτήσεις υψηλής πολυπλοκότητας. Ένα από αυτά τα ερωτήματα προσπαθούμε να απαντήσουμε με αυτή τη διατριβή. Πώς μπορούμε να αναγνωρίσουμε τους πολύποδες και να τους κατηγοριοποιήσουμε χρησιμοποιώντας βαθιά μάθηση και με βάση τον τύπο τους κατά την κολονοσκόπηση.

  14. Hellenic Open University
  15. Αναφορά Δημιουργού-Μη Εμπορική Χρήση 4.0 Διεθνές