Η παρούσα διπλωματική εργασία στοχεύει στην ανάπτυξη ενός συστήματος πολλαπλής
ταξινόμησης για αυτοάνοσα νοσήματα χρησιμοποιώντας τεχνικές βαθιάς μάθησης. Για την
επίτευξη αυτού του στόχου αξιοποιούνται δεδομένα μαγνητικής τομογραφίας (MRI), ενώ ως
εργαλεία χρησιμοποιούνται τα Συνελικτικά Νευρωνικά Δίκτυα (CNN) σε περιβάλλον Python
με τη βιβλιοθήκη PyTorch. Αντικείμενο της εργασίας είναι η εύρεση, επεξεργασία και
μορφοποίηση δεδομένων MRI από άτομα με σκλήρυνση κατά πλάκας (Multiple Sclerosis),
νόσο Alzheimer και νόσο Parkinson, καθώς και από υγιή άτομα, με σκοπό τη δημιουργία
ενός μοντέλου βαθιάς μάθησης ικανού να ταξινομεί αποτελεσματικά τα παραπάνω
αυτοάνοσα νοσήματα.

This diploma thesis aims to develop a multi-classification system for autoimmune diseases
using deep learning techniques. To achieve this, magnetic resonance imaging (MRI) data is
utilized, while Convolutional Neural Networks (CNNs) are employed within a Python
environment using the PyTorch library. The subject of the thesis involves finding, processing,
and formatting MRI data from individuals with Multiple Sclerosis, Alzheimer's disease and
Parkinson's disease, as well as from healthy individuals. The ultimate goal is to create a deep
learning model capable of effectively classifying these autoimmune diseases