Please use this identifier to cite or link to this item:
Title: Χρήση τεχνολογιών τεχνητής νοημοσύνης για την αξιολόγηση προδιαθεσικών και μορφολογικών παραγόντων σε ασθενείς που παρουσιάζουν ή όχι ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος στον ανευρυσματικό σάκο της κοιλιακής αορτής
Other Titles: Knowledge extraction algorithms for endoleak prediction into the abdominal aortic aneurysm
Authors: Χασάπη, Μαρία Κωνσταντίνα
Keywords: Ανεύρυσμα κοιλιακής αορτής
Τεχνητή νοημοσύνη
Ευφυές σύστημα
Eξόρυξη γνώσης
Μηχανική μάθηση
Ενδοαυλική αποκατάσταση
Keywords (translated): Abdominal aortic aneurysm
CTA imaging
Random tree
Artificial intelligence
Machine learning
Knowledge extraction
Abstract: Σκοπός της παρούσας διπλωματικής εργασίας, είναι η επεξεργασία μορφολογικών χαρακτηριστικών και επιδημιολογικών δεδομένων σε ασθενείς με αντιμετωπισθέντα ανευρύσματα κοιλιακής αορτής, σε σχέση με την παρουσία ή όχι ενδοδιαφυγής εντός του ανευρυσματικού σάκου. Με την βοήθεια αλγορίθμων Τεχνητής Νοημοσύνης και ανάλυσης των ανωτέρω δεδομένων γίνεται προσπάθεια να καθοριστούν παράγοντες που επηρεάζουν την εμφάνιση ή όχι διαφυγής στους ασθενείς που έχουν αντιμετωπιστεί με την τοποθέτηση μοσχεύματος ενδοαγγειακά. Γίνεται αναφορά, στο τί είναι τα ανευρύσματα και ποιοι παράγοντες (μορφολογικοί και προδιαθεσικοί) είναι υπεύθυνοι για τη δημιουργία και την ανάπτυξή των ανευρυσμάτων κοιλιακής αορτής με τα οποία ασχολούμαστε. Πραγματοποιείται επίσης αναφορά, στους κινδύνους που ενέχουν για την υγεία των ανθρώπων που φέρουν αυτού του είδους τα ανευρύσματα (συμπτωματικοί και ασυμπτωματικοί) και με ποιόν τρόπο πραγματοποιείται η μελέτη τους. Τα δεδομένα τα οποία χρησιμοποιήσαμε αποτελούνται από απλές κλινικές και CTA απεικονιστικές πληροφορίες και κριτήρια όπως απόσταση ανευρυσματικού σάκου από νεφρικές αρτηρίες, μέγεθος ανευρύσματος, αθηρωματικές αλλοιώσεις, μορφολογία αυχένα ανευρύσματος, μέγεθος οσφυϊκών αρτηριών, ενδοδιαφυγή, που έχουν συλλεχθεί από τις αξονικές αγγειογραφίες (CTAs) του Πανεπιστημιακού Γενικού Νοσοκομείου της Πάτρας, που πραγματοποιήθηκαν στα πλαίσια F/U των ασθενών με ενδοαυλικά μοσχεύματα κοιλιακής αορτής. Μέσω των δεδομένων αυτών και σε συνδυασμό με τη χρήση τεχνολογιών της Τεχνητής Νοημοσύνης, δημιουργήσαμε ένα ευφυές σύστημα, το οποίο είναι ικανό να προβλέπει την ενδοδιαφυγή μετά την τοποθέτηση ενδοαυλικού μοσχεύματος, στον ανευρυσματικό σάκο της κοιλιακής αορτής. Το ευφυές σύστημα που δημιουργήσαμε, όπως και κάθε άλλο ευφυές σύστημα, δεν έχει σκοπό να αντικαταστήσει τους ακτινολόγους ιατρούς. Σκοπός του είναι να λειτουργήσει σαν εργαλείο υποστήριξης των επαγγελματιών στον τομέα της υγείας στη λήψη χρήσιμων και τεκμηριωμένων ιατρικών αποφάσεων, πιο γρήγορα και πιο απλά, χρησιμοποιώντας κινητές εφαρμογές.
Abstract (translated): The purpose of this project is to process the morphological and predisposing factors of abdominal aortic aneurysms with the help of Artificial Intelligence algorithms. We are talking about to what aneurysms are and what factors (morphological and predisposing) are responsible for the creation and the development of abdominal aortic aneurysms in which we are working on. We also refer to the risks which are involved in the health of the people who develop these types of aneurysms (symptomatic and asymptomatic) and how they are investigated. The data we used consist of simple clinical and CTA imaging information and criteria such as distance of aneurysm sac from renal arteries, aneurysm size, atherosclerotic lesions, aneurysm morphology, lumbar artery size, endoleak collected from the CT scans of our University Hospital Department of Radiology-Computed Tomography, performed in the context of F/U of patients with abdominal aortic grafts. Through these data, in combination of using Artificial Intelligence technologies, we have created an intelligent system, which is able to predict the endoleak after endovascular repair in the aneurysm sac of the abdominal aorta. The intelligent system we have created is not intended to replace radiologists. Its purpose is to act as a support tool for health professionals in taking useful and documented medical decisions, faster and more simply, using mobile applications.
Appears in Collections:Τμήμα Ιατρικής (ΜΔΕ)

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.