Επεξεργασία εικόνων βιοψιών παγκρέατος με σκοπό την ποσοτικοποίηση της λιπώδους διήθησης.

Φόρτωση...
Μικρογραφία εικόνας

Ημερομηνία

Συγγραφείς

Παππάς, Μάριος

Τίτλος Εφημερίδας

Περιοδικό ISSN

Τίτλος τόμου

Εκδότης

Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών

Περίληψη

Τύπος

Είδος δημοσίευσης σε συνέδριο

Είδος περιοδικού

Είδος εκπαιδευτικού υλικού

Όνομα συνεδρίου

Όνομα περιοδικού

Όνομα βιβλίου

Σειρά βιβλίου

Έκδοση βιβλίου

Συμπληρωματικός/δευτερεύων τίτλος

Περιγραφή

Το πάγκρεας είναι ένα ζωτικό κομμάτι του πεπτικού συστήματος, το οποίο συμμετέχει στη διάσπαση και απορρόφηση των θρεπτικών συστατικών από τα τρόφιμα. H μη-αλκοολική λιπώδης παγκρεατικής νόσος (Non-Alcoholic Fatty Pancreas Disease – NAFPD) είναι ένας νέος όρος που υπονοεί την παγκρεατική στεάτωση, η οποία σε υψηλό βαθμό οδηγεί στην μη-αναστρέψιμη αντικατάσταση των ακκινικών κυττάρων από λιποκύτταρα. Παρόλο που το πάγκρεας είναι πιο επιρρεπές στην εξέλιξη της στεάτωσης, σε σύγκριση με το ήπαρ, η NAFPD έχει διερευνηθεί λιγότερο λόγω των διαγνωστικών ορίων των μη-επεμβατικών μεθόδων ιατρικής απεικόνισης. Τα τελευταία χρόνια και με την εξέλιξη των σύγχρονων συστημάτων υπολογιστικής όρασης, η μικροσκοπική απεικόνιση των εικόνων βιοψίας έχει καταστεί ως το χρυσό πρότυπο για την ποσοτικοποίηση της στεάτωσης στις κλινικές διαγνώσεις. Η παρούσα μεταπτυχιακή εργασία στοχεύει στην υλοποίηση μιας ολοκληρωμένης μεθοδολογίας για την μέτρηση της αναλογίας λίπους στο πάγκρεας, μέσω τεχνικών ψηφιακής επεξεργασίας εικόνων βιοψίας και εποπτευόμενων αλγόριθμων μηχανικής μάθησης. Η αυτοματοποιημένη ανάλυση γίνεται σε ένα σύνολο 20 εικόνων και η απόδοσή της συγκρίνεται με αυτή εξαγόμενη από ημι- ποσοτικές εκτιμήσεις. Με την ολοκλήρωση της μεθοδολογίας, το ελάχιστο μέσο σφάλμα ποσοτικοποίησης λίπους καθίσταται ίσο με 0.23%.
The pancreas is a vital part of the human body, which involves the breakdown and absorption of nutrients from digested food. Non-Alcoholic Fatty Pancreas Disease (NAFPD) is a new term that implies pancreatic steatosis, which to a large extent leads to the irreversible replacement of acinar cells by adipocytes. Although the pancreas is more prone to the development of steatosis than the liver, NAFPD has been less investigated due to the diagnostic limits of non-invasive medical imaging methods. In recent years and with the development of modern computer vision systems, microscopic imaging of biopsy images has become the gold standard for quantifying steatosis in clinical diagnoses. The current work aims to the implementation of a complete methodology for calculating the ratio of fat accumulation in the pancreas, consisting of digital image processing and supervised machine learning techniques. The automated analysis is performed on a set of 20 images and its results are compared with those derived from semi-quantitative estimates. With the completion of the methodology, the minimum average fat quantification error equals to 0.23%.

Περιγραφή

Λέξεις-κλειδιά

Βιοψία, Πάγκρεας

Θεματική κατηγορία

Ψηφιακή επεξεργασία εικόνας, Παγκρεατίτιδα - Επεξεργασία δεδομένων, Βιοψία - Πάγκρεας

Παραπομπή

Σύνδεσμος

Μεταπτυχιακή εργασία

Γλώσσα

el

Εκδίδον τμήμα/τομέας

Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών

Όνομα επιβλέποντος

Γιαννακέας, Νικόλαος

Εξεταστική επιτροπή

Γλαβάς, Ευριπίδης
Τζάλλας, Αλέξανδρος

Γενική Περιγραφή / Σχόλια

Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος

Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών

Πίνακας περιεχομένων

Χορηγός

Βιβλιογραφική αναφορά

Παππάς, Μ., 2021. Επεξεργασία εικόνων παγκρέατος με σκοπό την ποσοτικοποίηση της λιπώδους διήθησης. Μεταπτυχιακή εργασία. Άρτα: Πανεπιστήμιο Ιωαννίνων.Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών.

Ονόματα συντελεστών

Αριθμός σελίδων

115

Λεπτομέρειες μαθήματος

item.page.endorsement

item.page.review

item.page.supplemented

item.page.referenced

Άδεια Creative Commons

Άδεια χρήσης της εγγραφής: Attribution-NonCommercial-NoDerivs 3.0 United States