Τμήμα Μηχανικών Η/Υ και Πληροφορικής (ΔΔ)
Permanent URI for this collection
Browse
Recent Submissions
- ItemOpen AccessΒασικές δομές δεδομένων και η εφαρμογή τους στην υπολογιστική γεωμετρία και στην ανάκτηση πληροφορίας(1997-07-07)Το πρόβλημα της δόμησης δεδομένων συνίσταται στην επιλογή της συγκεκριμένης υλοποίησης ενός αφηρημένου τύπου δεδομένων για την αποτελεσματική αντιμετώπιση αλγοριθμικών προβλημάτων. Ένας αφηρημένος τύπος δεδομένων συνίσταται στον ορισμό ενός συνόλου αντικειμένων και των επιτρεπόμενων λειτουργιών που μπορούν να εφαρμοστούν σε αυτό. Η συγκεκριμένη εργασία αποτελεί μια μελέτη των βασικών δομών δεδομένων στην επιστήμη των υπολογιστών και της εφαρμογής τους στην ανάπτυξη αποτελεσματικών αλγορίθμων για προβλήματα στην κύρια μνήμη (περιοχή της Υπολογιστικής Γεωμετρίας) και στη δευτερεύουσα μνήμη (περιοχή Ανάκτησης Πληροφορίας). Στην περιοχή της υπολογιστικής γεωμετρίας, ασχολείται με προβλήματα τομών για απλά και γενικευμένα αντικείμενα, με το πρόβλημα της διαπέρασης ορθογωνίων και με το πρόβλημα της κυριαρχίας σημείων. Στην περιοχή της Ανάκτησης Πληροφορίας, ασχολείται με την ανάπτυξη μιας νέας δομής δεδομένων για την αποτελεσματική αποθήκευση και ανάκτηση αρχείων υπογραφών. Οι προτεινόμενοι αλγόριθμοι αναλύονται κυρίως θεωρητικά, με εξαίρεση τη μέθοδο αποθήκευσης αρχείων υπογραφών, όπου παρουσιάζονται επίσης πειραματικά αποτελέσματα.
- ItemOpen AccessΣυστήματα ανίχνευσης χαρακτηριστικών των ασθενειών με τεχνικές μηχανικής μάθησης(2022-11-02)Μία από τις πιο γοργά αναπτυσσόμενες περιοχές της επιστήμης των υπολογιστών είναι η ανάπτυξη έξυπνων συστημάτων που υποστηρίζουν τις αποφάσεις των χρηστών και παρέχουν ένα ευρύ πεδίο υπηρεσιών. Η εξυπνάδα τους βασίζεται στην παρακολούθηση και αποκωδικοποίηση των δεδομένων και των αναγκών του χρήστη και επιτυγχάνεται με την εφαρμογή τεχνικών μηχανικής μάθησης. Ειδικά η επεξεργασία εικόνας, η ανίχνευση αντικειμένων και η εξαγωγή χαρακτηριστικών/ιδιοτήτων ασθενειών από κάθε είδους δεδομένα εισόδου αποτελούν τις πιο σημαντικές εφαρμογές τεχνικών μηχανικής μάθησης στην Ιατρική. Παλαιότερα, πριν την εποχή της Μηχανικής Μάθησης, η εξαγωγή χαρακτηριστικών ήταν περιορισμένη. Τα νευρωνικά δίκτυα διαθέτουν μεθόδους για την επίτευξη τόσο της εξαγωγής χαρακτηριστικών όσο και της αξιολόγησης χαρακτηριστικών, φτάνοντας έτσι σε αποφάσεις φιλτράροντας τις άσχετες εξαγόμενες πληροφορίες. Τα δεδομένα επεξεργάζονται και αναπαρίστανται μέσω μαθηματικών διαδικασιών και αυτή η αναπαράσταση οδηγεί στην εξαγωγή αναρίθμητων ιδιοτήτων–χαρακτηριστικών που εξάγονται από τις εικόνες εισόδου. Η μηχανική μάθηση εξειδικεύεται σε μη-γραμμικά προβλήματα, γι’ αυτό και η αξιοποίησή τους στον τομέα των ιατρικών εικόνων είναι υποσχόμενη. Το αντικείμενο της παρούσας διατριβής είναι να διερευνήσει τα οφέλη των τεχνικών μηχανικής μάθησης στην ιατρική, όπως η κατηγοριοποίηση εικόνων, η εξαγωγή χαρακτηριστικών ασθενειών μέσω εικόνων, η τμηματοποίηση εικονιζόμενων ανθρώπινων οργάνων και η αξιολόγηση σοβαρότητας ασθενειών και βιοδεικτών. Η ερμηνεία των αποτελεσμάτων γίνεται και από τους δύο τομείς, της ιατρικής και της πληροφορικής. Στόχος είναι η παρουσίαση μοντέλων δυναμικής αξιολόγησης της σοβαρότητας μιας ασθένειας και εξαγωγής σημαντικών χαρακτηριστικών της. Αυτή η εργασία αφορά στο καρκίνο ήπατος, στην κολίτιδα, σε αναπνευστικά προβλήματα όπως το άσθμα. Πιο συγκεκριμένα, τα μοντέλα αυτά θα μπορούσαν να αξιοποιηθούν ως διαγνωστικά εργαλεία σε πραγματικό χρόνο και ως βοηθητικά συστήματα λήψης ιατρικών αποφάσεων σε πραγματικές συνθήκες. Εφαρμόζεται η συστημική προσέγγιση που αρχίζει με τα στοιχεία εισόδου. Τα στοιχεία αυτά αφορούν τον ασθενή: ποντικός ή άνθρωπος (χαρακτηριστικά) και τα χαρακτηριστικά ασθένειας: ηπατικό καρκίνο, κολίτιδα, αναπνευστικό πρόβλημα όπως άσθμα. Συνεχίζουμε με την ευφυή - αλγοριθμική, στατιστική κ.λπ. - επεξεργασία αυτών των στοιχείων (α) για να εκτιμήσουμε την τρέχουσα κατάσταση και σοβαρότητα της ασθένειας, τα χαρακτηριστικά του ασθενή και τις συνθήκες και (β) για να κατανοήσουμε την κατάσταση και να υποστηρίξουμε παθητικά ή ενεργά το γιατρό ή ερευνητή υγείας, με τη σχετική διάγνωση ή πρόγνωση. Η σάρωση των ανθρώπινων οργάνων και τα αποτελέσματα αυτής σε μορφή Magnetic Resonance Imaging (MRI) ή Computed Tomography (CT) παίζει ένα σημαντικό ρόλο στη διάγνωση και στην κατηγοριοποίηση των βλαβών/ασθενειών όπως είναι οι καρκινικοί όγκοι, ή/και στην αξιολόγηση του ποσοστού σοβαρότητας κάποιας ασθένειας. Στόχος της παρούσας διατριβής είναι να προτείνει τις βέλτιστες επιλογές ανάπτυξης και υλοποίησης μοντέλων εκπαίδευσης με τεχνικές μάθησης (machine learning) για πληροφοριακά συστήματα, που αξιοποιούν τις δυνατότητες των κινητών τηλεφώνων / συσκευών και του παγκόσμιου ιστού (web app) ώστε να ανιχνεύουν ασθένειες και τα χαρακτηριστικά τους, το είδος πειραματικού δείγματος. Επίσης, η έρευνα εστιάζει στην ανίχνευση χαρακτηριστικών διάφορων ασθενειών, όπως άσθμα ή ελκώδης κολίτιδα, μέσω αλγορίθμων τεχνικής μάθησης που εφαρμόζονται σε δεδομένα εικόνων Magnetic Resonance Imaging (MRI) / Computed Tomography (CT) ή ιστολογικών εικόνων. Η ανίχνευση και ανάλυση χαρακτηριστικών ασθενειών γίνεται χωρίς απαίτηση προσωπικών στοιχείων από τον εκάστοτε χρήστη της εφαρμογής ή του συστήματος. Η έρευνα περιλαμβάνει στατιστική ανάλυση όλων των αλγορίθμων εκπαίδευσης των προτεινόμενων συστημάτων, στηριγμένη στον υπολογισμό τιμών μια ποικιλίας μετρικών. Προσφέρεται η δυνατότητα ενημέρωσης, παρακολούθησης, επαναξιολόγησης των ασθενειών όπως καρκίνος, κολίτιδα, άσθμα, κλπ., μέσω μιας απλής ως προς τη χρήση εφαρμογής κινητού τηλεφώνου ή web εφαρμογής. Στόχος της έρευνας είναι η ανάπτυξη έξυπνων πληροφοριακών συστημάτων που μπορούν να βοηθήσουν σημαντικά στη διάγνωση και πρόγνωση, άμεσα και με ακρίβεια. Οι προτεινόμενες μέθοδοι θα μπορούσαν να χρησιμοποιηθούν σε πραγματικές συνθήκες από νοσοκομεία και χώρους έρευνας θεμάτων υγείας.
- ItemOpen AccessΠροχωρημένες τεχνικές επεξεργασίας σήματος για κινητές επικοινωνίες επόμενης γενιάς στο χιλιοστομετρικό φάσμα συχνοτήτων(2022-11-01)Η συνεχώς αυξανόμενη ανάγκη για ασύρματη μετάδοση δεδομένων με πολύ υψηλό ρυθμό έχει ως αποτέλεσμα τη μελέτη συστημάτων που μπορούν να εμφανιστούν στα δίκτυα κινητής τηλεφωνίας 5ης και 6ης γεννιάς με συχνότητες έως και πάνω από 60 GHz. Ένα βασικό χαρακτηριστικό των συχνοτήτων στο χιλιοστομετρικό φάσμα είναι ότι, λόγω της σοβαρής απώλειας διαδρομής, το κανάλι είναι πολύ αραιό, όχι μόνο στο χρόνο αλλά στη συχνότητα και στο χώρο των γωνιών, με αποτέλεσμα τα λαμβανόμενα σήματα στις κεραίες να είναι συσχετισμένα. Η υψηλή εξασθένηση και ευαισθησία στο μπλοκάρισμα απαιτούν αρχιτεκτονικές και πρωτόκολλα αντιμετώπισης αυτών των προκλήσεων. Ως εκ τούτου, στη σχετική βιβλιογραφία έχουν προταθεί οι υβριδικές συστοιχίες μαζικών κεραιών για τη μετάδοση αυτών των σημάτων. Η υβριδική δομή φαίνεται να είναι απαραίτητη, δεδομένου ότι μια αμιγώς ψηφιακή δομή έχει υψηλό κόστος υλοποίησης και κατανάλωση ισχύος σε τεράστιες συστοιχίες κεραιών Πολλαπλών Εισόδων-Πολλαπλών Εξόδων. Αυτή η δομή αποτελείται από ένα αναλογικό και ένα ψηφιακό μέρος, το οποίο, στον πομπό, ονομάζεται προκωδικοποιητής και, στον δέκτη, συνδυαστής. Οι βασικές αρχιτεκτονικές για την υλοποίηση του αναλογικού τμήματος των υβριδικών συστημάτων κεραιών χωρίζονται σε πλήρως ή μερικώς συνδεδεμένες και υποσυνδεδεμένες (οι κεραίες είναι οργανωμένες σε μη επικαλυπτόμενες ομάδες), οι οποίες μπορούν να υλοποιηθούν μέσω ολισθητών φάσης ή διακοπτών. Για τον σχεδιασμό αυτών των δομών απαιτείται γνώση καναλιού. Γι 'αυτό το λόγο, αυτή η διατριβή εστιάζει σε τεχνικές εκτίμησης καναλιού για τον εντοπισμό ανοιχτών ζητημάτων και προτείνει νέες προσεγγίσεις. Η εφαρμογή συμβατικών τεχνικών εκτίμησης καναλιών είναι απαγορευτική λόγω του μεγάλου αριθμού κεραιών πομπού-δέκτη και των απαιτούμενων συμβόλων εκπαίδευσης λόγω του υψηλού εύρους ζώνης και του χαμηλού επιπέδου λόγου σήματος προς θόρυβο πριν από την ευθυγράμμιση πομπού-δέκτη. Η εκτίμηση καναλιού στο χιλιοστομετρικό φάσμα μπορεί να επιτευχθεί είτε με σάρωση του χώρου των γωνιών (π.χ. μέσω μιας εξαντλητικής, ιεραρχικής αναζήτησης) για την εύρεση του καλύτερου ζεύγους λοβών μεταξύ πομπού-δέκτη ή διαμορφώνοντας ένα αραιό πρόβλημα ανάκτησης. Το περιβάλλον διάδοσης τυπικά μοντελοποιείται χρησιμοποιώντας το γεωμετρικό μοντέλο καναλιού που περιλαμβάνει την απώλεια διαδρομής και τις γωνίες αναχώρησης και άφιξης στο πλευρά πομπού και δέκτη, αντίστοιχα. Η βασική ιδέα της παραμετρικής μοντελοποίησης είναι να υπολογιστούν οι εμπλεκόμενες γωνίες και οι αντίστοιχες εξασθενήσεις αντί να εκτιμηθεί η κρουστική απόκριση του καναλιού. Στην επεξεργασία σήματος για συστοιχίες κεραιών, έχουν σχεδιαστεί διάφοροι αλγόριθμοι εκτίμησης των γωνιών άφιξης για την κλασσική ομοιομορφή και γραμμική διάταξη κεραιών και παρουσιάζουν ιδιαίτερο ενδιαφέρον για τους ερευνητές εδώ και αρκετές δεκαετίες, π.χ. στα ραντάρ και τις έξυπνες κεραίες. Στο πρώτο μέρος της διατριβής, υποθέτοντας υβριδικής αρχιτεκτονικής διάταξη κεραιών στον δέκτη, προτείνεται ένα νέο σχήμα προεπεξεργασίας που επιτρέπει την πλήρη ανάκτηση του στιγμιότυπου σαν να είχαμε την κλασσιή γραμμική διάταξη, χρησιμοποιώντας μετρήσεις από τις αλυσίδες ραδιοσυχνοτήτων της υβριδικής δομής. Στη συνέχεια, οποιαδήποτε κλασική υψηλής ανάλυσης τεχνική εκτίμησης φάσματος ισχύος μπορεί να χρησιμοποιηθεί για την εκτίμηση των εμπλεκόμενων άφιξης και άρα το κανάλι. Επίσης, μια πληθώρα αποτελεσματικών προσεγγίσεων αραιής κωδικοποίησης έχουν προταθεί για την απευθείας εκτίμηση των γεωμετρικών παραμέτρων οι οποίες εκμεταλλεύονται τις ιδιότητες αραιότητας του χιλιοστομετρικού καναλιού για μείωση του υπολογιστικού κόστους των μεθόδων χωρικής σάρωσης. Επιπλέον, δεδομένου ότι τα δίκτυα 5ης γενιάς θα αποτελούνται από μικρές και πυκνές κυψέλες, η συνεργατική επικοινωνία μεταξύ κοντινών συσκευών που μοιράζονται παρόμοια χαρακτηριστικά καναλιού θα είναι μια πολλά υποσχόμενη τεχνολογία. Στις ασύρματες επικοινωνίες, οι αραιές αναπαραστάσεις έχουν χρησιμοποιηθεί για την αποτελεσματική μοντελοποίηση και εκτίμηση ενός καναλιού μιας συσκευής με τη βοήθεια μεθόδων αραιής κωδικοποίησης, ενισχύοντας τη φασματική και ενεργειακή απόδοση των 5ης γενιάς δικτύων και του Διαδικτύου των Πραγμάτων. Ως εκ τούτου, το δεύτερο μέρος της παρούσας διατριβής εστιάζει σε μοντέλα από κοινού αραιότητας για την αναπαράσταση των καναλιών των γειτονικών συσκευών και κατανεμημένων μεθόδων εκτίμησης που βασίζονται στις αραιές αναπαραστάσεις για τη διαμόρφωση μια προσέγγισης πλήρως κατανεμημένης και συνεργατικής μέσω ψηφοφορίας (με προσαρμοστικά βάρη) κατάλληλη για δίκτυα πολλαπλών εργασιών με μερικώς επικαλυπτόμενες παραμέτρους.
- ItemOpen AccessAllergic rhinitis passive detection, assessment, and monitoring using artificial intelligence of things (AIoT) and crowdsensingAllergy-related respiratory diseases, such as asthma and rhinitis that coexist with the term respiratory allergy, are a major and growing public health problem in Greece and worldwide. Today, 70 million Europeans suffer from chronic asthma and 100 million from allergic rhinitis. Among them, a significant percentage suffer from a severe form of allergic disease, which affects their productivity and quality of life. These numbers are expected to increase in the coming decades, establishing respiratory allergy as a pandemic. It is estimated that the cost of rhinitis in Europe amounts to more than 100 billion euros per year. The main goals of the respective treatment are summarized in the monitoring and control of the symptoms, their treatment, and the effort to prevent future seizures. At the same time, the causal association with allergens is sought, in order to follow a special desensitization treatment in them. However, monitoring patients with allergic respiratory diseases is notably difficult. The aim of this work is to create an integrated, sensor- and crowdsourcing-based, eHealth/mHealth approach that is deployed in wireless environments, which adopts the principles of Healthcare 5.0 for the intelligent, automatic, holistic, effective, and continuous monitoring of allergic rhinitis disease outbreaks. In this paradigm shift into the digital healthcare approach, a study is conducted which is distinguished into two main parts. Initially, a platform is delivered that is capable of the large-scale spatiotemporal detection and monitoring of the disease exacerbation, in real-time. Additionally, the association of the allergens' onset with the allergic disease symptoms and the levels of occurrence of various irritants in a region (humidity, dust) are examined. The data that feeds the platform is generated from multiple and different types of resources in the form of, sensor measurements that are distributed across a region, text data from social media, as well as data that comes from the users’ subjective assessments, combined with geolocation recordings, concerning the intensity of their allergic symptoms. An analysis mechanism is integrated into the platform, which can process the hybrid forms of data that include, sensor measurements analysis, text-mining, and subjective inputs analysis, where the latter is a part of the users’ participatory sensing. Afterward, by the developed visualization mechanisms, the platform’s role is to provide information, in an easy-to-understand way, about the patient's health status and statistical inferences in charts and plots regarding the various forms of allergic symptoms and the people that affect them. Additionally, a notification service is deployed in case of intense symptoms. It is obvious that this approach integrates both human and machine intelligence together with their hybrid interaction. Nevertheless, the real challenge is to provide a complete automated analysis and passive monitoring of the disease, based only on machine intelligence. For that purpose, the work that the second part of the study consists of is the design and development of another platform that aims at the intelligent and automatic evaluation and identification of kinesiological data that is related to an individual’s allergic rhinitis symptoms (such as scratching the nose). Thus, this part of the study is transferred from the large-scale to the individual-scale disease monitoring scenario. In particular, the motion data, in this study, is actually gestures that are retrieved from smart wrist-worn devices. A whole set of algorithmic components is developed for an end-to-end analysis in this phase. In particular, an innovative data processing pipeline is employed in association with the utilization of AI. Specifically, the usage of both statistical learning models and cutting-edge neural network architectures leads to the practical motion data evaluation and pattern recognition of allergic gestures in the users’ daily activities. As a case study, the introduced end-to-end machine learning pipeline is integrated and tested for its efficiency, for the first time, in a real-world scenario, in the context of the development of a national funded project, called Personal Allergy Tracer, where the multidisciplinarity is adopted by collaborating with recognized allergists that validated the whole approach in real patients via a pilot phase. Additionally, as this thesis is a part of the project, another system is deployed, which is related to the individual’s allergic rhinitis status non-invasive monitoring, by utilizing all the data resources that the project owns. In particular, except for the motion data that pertains to the development of this thesis and is obtained by the smart wearables, the rest of the data that is exploited by this system, is retrieved by a smartphone application that is a major component of the project, and corresponds to: a) the analysis of voice alteration of the user that is obtained through the smartphones’ microphone, and, b) the subjective evaluation by the users regarding the intensity of their symptoms. Access to such data takes place through collaboration with established partners in the IT industry, in Greece. This multi-source data is then analyzed in a hybrid manner, and finally, the system induces the automated monitoring of respiratory allergy and acts as a sentinel and disease prevention tool for patients with allergic rhinitis symptoms. However, because AI is a major component in the various tasks of the analysis of this thesis, a framework has been developed capable of handling multi-domain end-to-end machine learning pipelines regarding the motion data evaluation and pattern recognition, as well as the classification of text data that is related to social media posts. The framework automates all the cutting-edge procedures from data processing, model training, fine-tuning, evaluation, and validation of the whole pipeline in the domains of time-series analysis and text-mining, and provides a Prediction Service for automatically deploying the pipeline in production. In conclusion, various benefits can arise from such an analysis of both approaches. For instance, the complementary collected information, from the crowdsourced data which constitutes the individuals’ subjective self-assessment and social media posts, as well as the sensors’ measurements, can lead to the better control and management of seasonal symptoms in cases of allergic diseases, where a medical decision support system can be formulated. The automated, passive, even geolocated, recording of symptoms’ exacerbations in combination with automated notification services can contribute significantly to the control of the disease, reducing morbidity and improving the quality of life of patients with respiratory allergy and their performance. It also has a positive impact on maintaining the productive capacity of patients with respiratory allergies at work or school.
- ItemOpen AccessΥπολογιστικές μέθοδοι για σχεδιασμό και ανάπτυξη φαρμάκων πολλαπλών στόχων για σύνθετες ασθένειεςΟ σχεδιασμός φαρμάκων έχει ακολουθήσει διαχρονικά μια αφαιρετική προσέγγιση η οποία περιλαμβάνει την εύρεση χημικών ενώσεων που προσδένονται σε ένα στόχο, προσέγγιση η οποία βασίζεται σε μια φαινότυπο-κεντρική διαδικασία ανακάλυψης και όχι στον ακριβή τρόπο δράσης του φαρμάκου σε βιολογικό επίπεδο. Παρόλο που η προσέγγιση αυτή ιστορικά υπήρξε εξαιρετικά επιτυχημένη με ζενίθ τη δεκαετία του 1990, από την αρχή του αιώνα παράγει φθίνουσες αποδόσεις. Τα τελευταία χρόνια ωστόσο σημειώνεται μια αλλαγή παραδείγματος προς μια ανακάλυψη βασισμένη σε πολλαπλούς στόχους, η οποία έχει σκοπό να αντιμετωπίσει το εν λόγω κενό παραγωγικότητας, εστιάζοντας τόσο στην αποσαφήνιση των αιτιών εμφάνισης μιας ασθένειας σε μοριακό επίπεδο, όσο και στον ακριβή τρόπο δράσης ενός φαρμάκου, αξιοποιώντας την πρόοδο των γονιδιωματικών τεχνολογιών υψηλής απόδοσης. Η εικόνα εδώ είναι ιδιαίτερα περίπλοκη. Οι μοριακές αλληλεπιδράσεις δημιουργούν περίπλοκα δίκτυα που ρυθμίζουν τις βιολογικές λειτουργίες, οι οποίες έχουν ως αποτέλεσμα συγκεκριμένους φαινότυπους. Τα δίκτυα αυτά είναι γενικά εύρωστα, ωστόσο γενετικοί και περιβαλλοντικοί παράγοντες μπορούν να προκαλέσουν διαταραχές που οδηγούν στην ανάπτυξη μιας ασθένειας. Τα διαταραγμένα δίκτυα είναι και αυτά εύρωστα. Τα φάρμακα με τη σειρά τους δρουν σε μοριακό επίπεδο και έχουν ως αποτέλεσμα νέες διαταραχές που μεταδίδονται στα διάφορα επίπεδα οργάνωσης ώστε να θεραπεύσουν μια ασθένεια ή να ανακουφίσουν τα συμπτώματα της. Η φαρμακολογία συστημάτων φέρνει την υπόσχεση της επανάστασης στη διαδικασία ανακάλυψης φαρμάκων, ενώ ταυτόχρονα δύναται να δράσει ως καταλύτης στη μετάφραση φαρμακογενετικών εφαρμογών σε κλινικό περιβάλλον, η οποία έχει μείνει σχετικά στάσιμη παρά το πρόσφατο κύμα καινοτόμου έρευνας πάνω στις εφαρμογές των γενομικών τεχνολογιών στην ασθένεια. Στόχος της διδακτορικής διατριβής ήταν ο σχεδιασμός και η ανάπτυξη καινοτόμων υπολογιστικών μεθόδων, λογισμικού ανοιχτού κώδικα και οπτικοποιήσεων που μπορούν να χρησιμοποιηθούν στους βασικούς άξονες της φαρμακολογίας συστημάτων: το χαρακτηρισμό του μηχανισμού δράσης φαρμάκων, την ταυτοποίηση νέων φαρμακευτικών στόχων, την επανατοποθέτηση φαρμάκων και την πρόβλεψη παρενεργειών. Στο πρώτο κεφάλαιο, παρουσιάζεται μια εκτενής ανασκόπηση των υπολογιστικών προσεγγίσεων που χρησιμοποιούνται στους βασικούς άξονες της φαρμακολογίας συστημάτων. Στο δεύτερο κεφάλαιο παρουσιάζεται μια μέθοδος για εύρεση διαφορικά εκφρασμένων χρονικά μεταβαλλόμενων υπομονοπατιών. Η μέθοδος έχει την επεξηγηματική ισχύ να προσφέρει εστιασμένα χρονικά στιγμιότυπα των μηχανισμών που διαταράσσονται υπό πειραματικές συνθήκες, προσφέροντας ολιστική οπτική της δυναμικής των γονιδίων που συμμετέχουν σε κάθε μονοπάτι, λαμβάνοντας υπόψιν τόσο τη χρονική διάσταση της ενεργοποίησης ενός υπομονοπατιού όσο και το είδος της ρύθμισης μεταξύ των γονιδίων, καθώς και την τοπολογική διάσταση των ενεργοποιημένων υπομονοπατιών, δηλαδή το δυναμικό που έχει κάθε υπομονοπάτι να διαδώσει το βιολογικό σήμα είτε στην άμεση γειτονιά του είτε σε άλλα υπομονοπάτια. Στο τρίτο κεφάλαιο παρουσιάζεται μια μέθοδος για εύρεση διαφορικά εκφρασμένων υπομονοπατιών σε δίκτυα πολλαπλών μονοπατιών. Ορίζοντας το υπομονοπάτι εντός ενός ενοποιημένου δικτύου πολλαπλών μονοπατιών, η μέθοδος λαμβάνει υπόψιν της τις αλληλεπικαλύψεις μεταξύ μονοπατιών, ένα πεδίο μελέτης που έχει προσελκύσει σημαντικό ενδιαφέρον. Η εξαγωγή διαφορικά εκφρασμένων υπομονοπατιών γίνεται μέσω μιας μεγάλης ποικιλίας βιολογικά σχετικών μεθόδων ανάλυσης δικτύων, ενώ η ανάλυση διαφορικής έκφρασης σε επίπεδο γονίδιου επιτυγχάνεται με χρήση γνωστών μεθόδων ανάλυσης διαφορικής έκφρασης. Επιπλέον, κάθε υπομονοπάτι συσχετίζεται με εν δυνάμει λειτουργικούς και φαρμακολογικούς όρους οι οποίοι χαρακτηρίζουν, ρυθμίζουν ή συνδέονται με την έκφρασή του. Στο τέταρτο κεφάλαιο παρουσιάζεται μια μέθοδος για εύρεση διαφορικά εκφρασμένων υπομονοπατιών μέσω μιας προσέγγισης συναίνεσης. Η μέθοδος εκλεπτύνει ένα συνδυασμένο δίκτυο πολλαπλών μονοπατιών, κάνοντας χρήση τόσο διαφορικά εκφρασμένων γονιδίων όσο και τοπολογικά σημαντικών μη διαφορικά εκφρασμένων γονιδίων, τα οποία εμφανίζουν συσχετισμένα επίπεδα έκφρασης με τους γείτονές τους και διευκολύνουν τη διάδοση του βιολογικού σήματος, με σκοπό τη μείωση της πυκνότητας του συνδυασμένου δικτύου με βιολογικά ορθό τρόπο. Τελικά, το εκλεπτυσμένο δίκτυο ερευνάται για διαφορικά εκφρασμένα υπομονοπάτια χρησιμοποιώντας μια πληθώρα μεθόδων αναγνώρισης υπομονοπατιών και ελέγχεται για εμπλουτισμό σε λειτουργικούς όρους, όπως φάρμακα και ασθένειες. Στο πέμπτο κεφάλαιο παρουσιάζεται μια μέθοδος για εύρεση διαφορικά εκφρασμένων υπομονοπατιών μέσω μιας διεπίπεδης αξιολόγησης συναίνεσης της τοπολογίας δικτύου και της γονιδιακής έκφρασης σε δίκτυα μονών μονοπατιών, συνδυάζοντας τις ενδείξεις διαφορικής έκφρασης γονιδίων και ταξινομώντας τα υπομονοπάτια με βάση τη συνδεσιμότητά τους μέσα σε ένα δίκτυο πολλαπλών μονοπατιών, αποσκοπώντας στην παραγωγή υποψήφιων βιοδεικτών για φαρμακολογική παρέμβαση, ταξινομημένων σύμφωνα με το δυναμικό τους να προκαλέσουν παρενέργειες. Στο έκτο κεφάλαιο παρουσιάζεται ένα σχήμα οπτικοποίησης για τα πολυεπίπεδα υπομονοπάτια τα οποία παράγονται από τις μεθόδους των προηγούμενων κεφαλαίων, αλλά και από άλλες μεθόδους ανάλυσης υπομονοπατιών. Πρόκειται για μια νέα διαδραστική οπτικοποίηση, η οποία συγχωνεύει τη δομή δικτύου με την πληροφοριακά πλούσια οπτική που προσφέρεται από κυκλικές απεικονίσεις συσχετίσεων. Η οπτικοποίηση απεικονίζει μια δομή δικτύου πολλαπλών επιπέδων για ένα υπομονοπάτι με λειτουργικές συσχετίσεις με ένα σύνολο λειτουργικών όρων ενδιαφέροντος και τοπολογικές συσχετίσεις, οι οποίες αποτυπώνονται μέσω ενός συνόλου μετρικών ενδιαφέροντος. Την οπτικοποίηση πλαισιώνει ένα γραφικό περιβάλλον το οποίο μπορεί να επεκτείνει τις επεξηγηματικές δυνατότητες μεθόδων με υλοποιήσεις ως πακέτα της γλώσσας R.