Κατάλογος Εκδηλώσεων

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΧΡΥΣΟΣΤΟΜΟΣ ΙΩΑΝΝΟΥ

με θέμα

Δημιουργία Πλατφόρμας Επεξεργασίας Εικόνων Μαγνητικής Τομογραφίας από Ασθενείς με Πολλαπλή Σκλήρυνση
Creation of a Platform for Processing Magnetic Resonance Imaging (MRI) images from patients with Multiple Sclerosis

Εξεταστική Επιτροπή
Καθηγητής Μιχαήλ Ζερβάκης (επιβλέπων)
Καθηγητής Αθανάσιος Λιάβας 
Καθηγητής Χρίστος Λοΐζου (ΤΕΠΑΚ)

Περίληψη

Η πολλαπλή σκλήρυνση είναι μια αυτοάνοση νόσος που διαταράσσει την επικοινωνία μεταξύ του κεντρικού νευρικού συστήματος και του σώματος, οδηγώντας σε συμπτώματα όπως σπασμούς, παραισθήσεις, απώλεια ισορροπίας, προβλήματα όρασης και κινητικά προβλήματα. Η μαγνητική τομογραφία (MRI) χρησιμοποιείται για την παρακολούθηση των εγκεφάλων των ασθενών και την ανίχνευση πλακών, οι οποίες μπορούν να αυξήσουν την αναπηρία τους. Αυτή η διπλωματική παρουσιάζει ένα λογισμικό σύστημα για την επεξεργασία δεδομένων MRI σχετικά με τη πολλαπλή σκλήρυνση, το οποίο μπορεί να διαχειριστεί, να οπτικοποιήσει, και να προεπεξεργαστεί χρησιμοποιώντας εργαλεία βασισμένα στο PyQt5. Η πλατφόρμα υποστηρίζει κατάτμηση βασισμένη σε βαθιά μάθηση, επιτρέποντας κατάτμηση των βλαβών σε επίπεδο pixel μέσω αυτόματης ανάλυσης που αξιοποιεί ένα συνελικτικό νευρωνικό δίκτυο U-Net. Ακόμη, η πλατφόρμα υποστηρίζει χειροκίνητη κατάτμηση. Οι σύγχρονες συναρτήσεις απώλειας και η ζύγιση των κατηγοριών διαιρούν το σύνολο δεδομένων σε υποσύνολα εκπαίδευσης, επικύρωσης και δοκιμής για να μεγιστοποιήσουν την απόδοση του μοντέλου και να εγγυηθούν αντικειμενική αξιολόγηση. Η αρχιτεκτονική διπλής διαδρομής καθιστά την ανίχνευση βλαβών αποτελεσματική, επιτρέποντας τη συλλογή και αξιολόγηση υψηλής ποιότητας νευροαπεικονιστικών συνόλων δεδομένων για την έρευνα και θεραπεία της ΠΣ.

Abstract 

Multiple sclerosis is an autoimmune disease that disrupts communication between the central nervous system and the body, leading to symptoms like seizures, paresthesias, loss of balance, vision problems, and motor issues. Magnetic resonance imaging (MRI) is used to monitor patients' brains and identify plaques, which can increase their disability. This thesis presents a modular software system for handling MRI data on multiple sclerosis, which can be administered, visualized, annotated, and preprocessed using PyQt5-based tools. The platform supports deep learning-based segmentation, allowing for pixel-wise segmentation of lesions through automatic analysis leveraging a U-Net convolutional neural network. Moreover, manual segmentation is supported in this platform. Modern loss functions and class weighting divide the dataset into training, validation, and testing subsets to maximize model performance and guarantee objective evaluation. The dual-pathway architecture makes lesion detection effective, enabling the gathering and evaluation of high-quality neuroimaging datasets for MS research and treatment.