Η εργασία εξετάζει την ταξινόμηση όγκων εγκεφάλου από εικόνες μαγνητικής τομογραφίας (MRI) με χρήση βαθιάς μάθησης. Το ερευνητικό ερώτημα εκτείνεται πέρα από την επιλογή αρχιτεκτονικής, εξετάζοντας κατά πόσο ο τρόπος διαχωρισμού των δεδομένων επηρεάζει αυτό που τελικά καταγράφεται ως απόδοση και ικανότητα γενίκευσης.
Το σύνολο δεδομένων περιλαμβάνει δισδιάστατες τομές MRI εγκεφάλου τεσσάρων κλάσεων (Glioma, Meningioma, Pituitary, Normal), χωρίς διαθέσιμα μεταδεδομένα ασθενών. Οι εικόνες συμπεριλαμβάνουν δείγματα από τεχνητό εμπλουτισμό δεδομένων, συνθήκη που δημιουργεί έδαφος για πιθανή έμμεση διαρροή πληροφορίας μεταξύ των συνόλων εκπαίδευσης, επικύρωσης και ελέγχου.
Ως στρατηγικές διαχωρισμού του συνόλου δεδομένων χρησιμοποιήθηκαν και συγκρίθηκαν ο τυχαίος (random split) και ο μη επιβλεπόμενος ομαδοποιημένος (grouped split). Στον δεύτερο, οι εικόνες υψηλής μορφολογικής ομοιότητας ομαδοποιήθηκαν βάσει διανυσματικών αναπαραστάσεων χαρακτηριστικών (embeddings), συνημιτονοειδούς ομοιότητας (cosine similarity) και εφαρμογής γράφου ομοιότητας. Εκτός από τον διαχωρισμό δεδομένων, συγκρίθηκαν δύο αρχιτεκτονικές: το προεκπαιδευμένο MobileNetV2 και ένα προσαρμοσμένο συνελικτικό νευρωνικό δίκτυο εκπαιδευμένο από την αρχή (Custom CNN). Κάθε ρύθμιση εκτελέστηκε πολλαπλές φορές, με εφαρμογή μη παραμετρικών ελέγχων για την αξιολόγηση των αποτελεσμάτων.
Σύμφωνα με τα αποτελέσματα, το MobileNetV2 υπερέχει σε όλες τις ρυθμίσεις, με μικρότερη διακύμανση μεταξύ των επαναλήψεων. Ο τυχαίος διαχωρισμός απέδωσε υψηλότερες εκτιμήσεις από τον ομαδοποιημένο, με στατιστικά σημαντικές διαφορές και στα δύο μοντέλα, εντονότερες στο Custom CNN. Επομένως, μέρος της απόδοσης φαίνεται ότι οφείλεται στον τρόπο που κατανέμονται τα δεδομένα και όχι μόνο στην πραγματική ικανότητα γενίκευσης των μοντέλων.

This thesis investigates the classification of brain tumors from magnetic resonance imaging (MRI) scans using deep learning. The research question extends beyond architecture selection, examining whether the way the dataset is partitioned affects what is reported as model performance and generalization ability.
The dataset consists of two-dimensional brain MRI slices belonging to four classes (Glioma, Meningioma, Pituitary, Normal), without available patient-level metadata. The images also include samples produced through artificial data augmentation, a condition that increases the possibility of data leakage between the training, validation, and test sets.
As dataset partitioning strategies, both random split and unsupervised grouped split were used and compared. In the grouped split approach, images with high morphological similarity were grouped based on feature embeddings, cosine similarity, and the application of a similarity graph. In addition to the data partitioning strategy, two architectures were compared: a pretrained MobileNetV2 model and a custom convolutional neural network trained from scratch (Custom CNN). Each experimental configuration was repeated multiple times, with non-parametric statistical tests applied for result evaluation.
According to the results, MobileNetV2 outperformed the Custom CNN in all settings, while also showing lower variability between repeated runs. Random splitting produced higher performance estimates than grouped splitting, with statistically significant differences observed in both models, especially in the Custom CNN. Therefore, part of the observed performance appears to be related to the way the data are distributed rather than to the actual generalization ability of the models.