Διάγνωση υπερθυρεοειδισμού μέσω τεχνητών νευρωνικών δικτύων
Loading...
Date
2025-01-02
Authors
Πεσκελίδης, Παύλος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η παρούσα διπλωματική εργασία στοχεύει στην ανίχνευση παθήσεων του θυρεοειδούς αδένα, και κυρίως του υποθυρεοειδισμού, με τη χρήση Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ). Ένα σημαντικό ποσοστό του πληθυσμού ταλαιπωρείται από προβλήματα που αφορούν στον θυρεοειδή καθώς, σύμφωνα με την αμερικανική ομοσπονδία θυρεοειδούς, πάνω από το 12% των Αμερικάνων πολιτών πάσχουν από τουλάχιστον μία πάθηση του θυρεοειδούς, ενώ έως και το 60% αυτών δεν γνωρίζουν για το πρόβλημα τους. Στην Ελλάδα παρατηρούνται αντίστοιχα ποσοστά με την πλειοψηφία των ασθενών να αποτελείται από γυναίκες (έως και 8-10 φορές περισσότερα περιστατικά από τους άντρες). Η ανίχνευση αυτών των παθήσεων αποτελεί μια μεγάλη δοκιμασία, καθώς η διάγνωση τους εξαρτάται από πολλές διαφορετικές μετρήσεις, οι ανωμαλίες των οποίων μπορούν να συνδέονται και με διαφορετικές ασθένειες που δεν αφορούν τον θυρεοειδή. Η εισαγωγή των ΤΝΔ στην διάγνωση ασθενειών, έχει προσφέρει πολλές λύσεις στις δυσκολίες που δημιουργεί ο όγκος των δεδομένων μιας και τα ΤΝΔ έχουν τη δυνατότητα να δημιουργούν συσχετίσεις και μοτίβα ανάμεσα στα δεδομένα, έτσι ώστε να παρέχουν ακριβείς διαγνώσεις. Συνεπώς, ο στόχος σε αυτή την Διπλωματική είναι η μελέτη διαφορετικών αρχιτεκτονικών Τεχνητών Νευρωνικών Δικτύων και αλγορίθμων εκπαίδευσης, με σκοπό να βρεθούν τα δίκτυα με τα καλύτερα αποτελέσματα ως προς την απόδοση. Με την κατάλληλη προεπεξεργασία των δεδομένων, αλλά και τη χρήση αρκετών αλγορίθμων εκπαίδευσης προσεγγίστηκαν τα βέλτιστα αποτελέσματα. Στην εργασία χρησιμοποιήθηκαν Νευρωνικό Δίκτυο feed-forward, Επαναλαμβανόμενο Νευρωνικό Δίκτυο (RNN-Recurrent Neural Network), Συνελικτικό Νευρωνικό Δίκτυο (CNNConvolutional Neural Network) καθώς και RBF Nευρωνικό Δίκτυο (Radial Basis Function Neural Network). Η υλοποίηση έγινε σε περιβάλλον Python ενώ για τα Νευρωνικά Δίκτυα feed-forward πραγματοποιήθηκαν τα ίδια πειράματα με υλοποίηση σε MATLAB, ώστε να επαληθευτούν τα αποτελέσματα.
Description
Keywords
Τεχνητά νευρωνικά δίκτυα (ΤΝΔ), Υπερθυρεοειδισμός, Αλγόριθμοι εκπαίδευσης, Τεχνητά νευρωνικά δίκτυα εμπρόσθιας διάδοσης, Αναδρομικά νευρωνικά δίκτυα, Συνελικτικά νευρωνικά δίκτυα, Νευρωνικά δίκτυα ακτινικής βάσης, Συστήματα υποστήριξης αποφάσεων