{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1318970"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1318970","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Μέθοδοι υπολογιστικής νοημοσύνης για την ταξινόμηση μαζών από μαστογραφικές εικόνες","abstract":"Ο όρος «καρκίνος του μαστού» αναφέρεται στην ανάπτυξη κακοήθους όγκου στην περιοχή του μαστού. Αποτελεί μία από τις συχνότερα εμφανιζόμενες μορφές καρκίνου παγκοσμίως και είναι η πρώτη σε αριθμό κρουσμάτων στο γυναικείο πληθυσμό. Το πιο αξιόπιστο εργαλείο για την ανίχνευση και τη διάγνωση του καρκίνου του μαστού αποτελεί η μαστογραφία. Στην παρούσα εργασία στόχος είναι η ανάπτυξη μεθοδολογιών που μπορούν να χρησιμοποιηθούν σε ένα σύστημα υποβοηθούμενης διάγνωσης για μαστογραφικές μάζες. Η υλοποίηση του συστήματος περιλαμβάνει μία σειρά σταδίων όπως: η προεπεξεργασία της εικόνας στοχεύοντας στη βελτίωση της ποιότητάς της, η κατάτμηση των μαζών από την αρχική εικόνα, η εξαγωγή χαρακτηριστικών περιγραφής τους, η επιλογή των πιο σημαντικών από αυτά και τέλος η εφαρμογή μεθόδων ταξινόμησης, ώστε να επιτευχθεί με αυτόματο τρόπο ο διαχωρισμός μεταξύ των καλοήθων και κακοήθων μαζών. Μετά την ανάπτυξη των σταδίων, ακολουθεί η αξιολόγησή του με σκοπό τη διερεύνηση της αποτελεσματικότητάς του. Για την αξιολόγηση του συστήματος χρησιμοποιήθηκαν 901 εικόνες από πραγματικές περιπτώσεις ασθενών που ελήφθησαν από τη βάση DDSM, εξασφαλίζοντας με τον τρόπο αυτό αντικειμενικά αποτελέσματα. Τα μέτρα που χρησιμοποιήθηκαν για τον έλεγχο της επίδοσης των ταξινομητών σε τελείως άγνωστα δεδομένα είναι η ακρίβεια, η ευαισθησία, η ειδικότητα και το εμβαδόν κάτω από την καμπύλη ROC.","abstract_html":"Ο όρος «καρκίνος του μαστού» αναφέρεται στην ανάπτυξη κακοήθους όγκου στην περιοχή του μαστού. Αποτελεί μία από τις συχνότερα εμφανιζόμενες μορφές καρκίνου παγκοσμίως και είναι η πρώτη σε αριθμό κρουσμάτων στο γυναικείο πληθυσμό. Το πιο αξιόπιστο εργαλείο για την ανίχνευση και τη διάγνωση του καρκίνου του μαστού αποτελεί η μαστογραφία. Στην παρούσα εργασία στόχος είναι η ανάπτυξη μεθοδολογιών που μπορούν να χρησιμοποιηθούν σε ένα σύστημα υποβοηθούμενης διάγνωσης για μαστογραφικές μάζες. Η υλοποίηση του συστήματος περιλαμβάνει μία σειρά σταδίων όπως: η προεπεξεργασία της εικόνας στοχεύοντας στη βελτίωση της ποιότητάς της, η κατάτμηση των μαζών από την αρχική εικόνα, η εξαγωγή χαρακτηριστικών περιγραφής τους, η επιλογή των πιο σημαντικών από αυτά και τέλος η εφαρμογή μεθόδων ταξινόμησης, ώστε να επιτευχθεί με αυτόματο τρόπο ο διαχωρισμός μεταξύ των καλοήθων και κακοήθων μαζών. Μετά την ανάπτυξη των σταδίων, ακολουθεί η αξιολόγησή του με σκοπό τη διερεύνηση της αποτελεσματικότητάς του. Για την αξιολόγηση του συστήματος χρησιμοποιήθηκαν 901 εικόνες από πραγματικές περιπτώσεις ασθενών που ελήφθησαν από τη βάση DDSM, εξασφαλίζοντας με τον τρόπο αυτό αντικειμενικά αποτελέσματα. Τα μέτρα που χρησιμοποιήθηκαν για τον έλεγχο της επίδοσης των ταξινομητών σε τελείως άγνωστα δεδομένα είναι η ακρίβεια, η ευαισθησία, η ειδικότητα και το εμβαδόν κάτω από την καμπύλη ROC.","abstract_has_math":false,"creators":["Καφούρης Παύλος"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2014,"date_issued":"2014","date_published":"2014","updated_at":"2026-11-19T05:25:33Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1318970"],"render_values":[{"text":"uoadl:1318970","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1318970","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1318970","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1318970","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Καφούρης Παύλος"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2014"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1318970","https://pergamos.lib.uoa.gr/uoa/dl/object/1318970"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Ο όρος «καρκίνος του μαστού» αναφέρεται στην ανάπτυξη κακοήθους όγκου στην περιοχή του μαστού. Αποτελεί μία από τις συχνότερα εμφανιζόμενες μορφές καρκίνου παγκοσμίως και είναι η πρώτη σε αριθμό κρουσμάτων στο γυναικείο πληθυσμό. Το πιο αξιόπιστο εργαλείο για την ανίχνευση και τη διάγνωση του καρκίνου του μαστού αποτελεί η μαστογραφία. Στην παρούσα εργασία στόχος είναι η ανάπτυξη μεθοδολογιών που μπορούν να χρησιμοποιηθούν σε ένα σύστημα υποβοηθούμενης διάγνωσης για μαστογραφικές μάζες. Η υλοποίηση του συστήματος περιλαμβάνει μία σειρά σταδίων όπως: η προεπεξεργασία της εικόνας στοχεύοντας στη βελτίωση της ποιότητάς της, η κατάτμηση των μαζών από την αρχική εικόνα, η εξαγωγή χαρακτηριστικών περιγραφής τους, η επιλογή των πιο σημαντικών από αυτά και τέλος η εφαρμογή μεθόδων ταξινόμησης, ώστε να επιτευχθεί με αυτόματο τρόπο ο διαχωρισμός μεταξύ των καλοήθων και κακοήθων μαζών. Μετά την ανάπτυξη των σταδίων, ακολουθεί η αξιολόγησή του με σκοπό τη διερεύνηση της αποτελεσματικότητάς του. Για την αξιολόγηση του συστήματος χρησιμοποιήθηκαν 901 εικόνες από πραγματικές περιπτώσεις ασθενών που ελήφθησαν από τη βάση DDSM, εξασφαλίζοντας με τον τρόπο αυτό αντικειμενικά αποτελέσματα. Τα μέτρα που χρησιμοποιήθηκαν για τον έλεγχο της επίδοσης των ταξινομητών σε τελείως άγνωστα δεδομένα είναι η ακρίβεια, η ευαισθησία, η ειδικότητα και το εμβαδόν κάτω από την καμπύλη ROC.","The term “breast cancer” refers to a malignant tumor developing from breast tissue. Worldwide it is among the most common cancers and its incidences come first among the women population. Mammography is the most reliable technique for screening and diagnosing breast cancer. The aim of this master’s thesis is the development of methodologies that may be integrated in a computer aided diagnosis system for masses detected in mammographic images. The development of the system includes various independent steps such as: image preprocessing, aiming to the enhancement of image quality, the segmentation of the masses from the original image, the extraction of their features, the application of feature selection and finally the application of classification methods for the discrimination between benign and malignant masses. After developing all subunits of the system, we proceed on its evaluation in order to investigate its efficacy and its potential to be adopted in daily clinical practice. For the evaluation of the system were used 901 images, from real-life cases taken from the public DDSM database, achieving consequently objective results. In order to evaluate the classifiers’ performance at totally unknown data the factors that were used are accuracy, sensitivity, specificity and the area under the ROC curve."]},{"key":"dc:title","label":"Title","values":["Μέθοδοι υπολογιστικής νοημοσύνης για την ταξινόμηση μαζών από μαστογραφικές εικόνες"]}]}],"canonical_facts":{"dc:creator":["Καφούρης Παύλος"],"dc:date":["2014"],"dc:description":["Ο όρος «καρκίνος του μαστού» αναφέρεται στην ανάπτυξη κακοήθους όγκου στην περιοχή του μαστού. Αποτελεί μία από τις συχνότερα εμφανιζόμενες μορφές καρκίνου παγκοσμίως και είναι η πρώτη σε αριθμό κρουσμάτων στο γυναικείο πληθυσμό. Το πιο αξιόπιστο εργαλείο για την ανίχνευση και τη διάγνωση του καρκίνου του μαστού αποτελεί η μαστογραφία. Στην παρούσα εργασία στόχος είναι η ανάπτυξη μεθοδολογιών που μπορούν να χρησιμοποιηθούν σε ένα σύστημα υποβοηθούμενης διάγνωσης για μαστογραφικές μάζες. Η υλοποίηση του συστήματος περιλαμβάνει μία σειρά σταδίων όπως: η προεπεξεργασία της εικόνας στοχεύοντας στη βελτίωση της ποιότητάς της, η κατάτμηση των μαζών από την αρχική εικόνα, η εξαγωγή χαρακτηριστικών περιγραφής τους, η επιλογή των πιο σημαντικών από αυτά και τέλος η εφαρμογή μεθόδων ταξινόμησης, ώστε να επιτευχθεί με αυτόματο τρόπο ο διαχωρισμός μεταξύ των καλοήθων και κακοήθων μαζών. Μετά την ανάπτυξη των σταδίων, ακολουθεί η αξιολόγησή του με σκοπό τη διερεύνηση της αποτελεσματικότητάς του. Για την αξιολόγηση του συστήματος χρησιμοποιήθηκαν 901 εικόνες από πραγματικές περιπτώσεις ασθενών που ελήφθησαν από τη βάση DDSM, εξασφαλίζοντας με τον τρόπο αυτό αντικειμενικά αποτελέσματα. Τα μέτρα που χρησιμοποιήθηκαν για τον έλεγχο της επίδοσης των ταξινομητών σε τελείως άγνωστα δεδομένα είναι η ακρίβεια, η ευαισθησία, η ειδικότητα και το εμβαδόν κάτω από την καμπύλη ROC.","The term “breast cancer” refers to a malignant tumor developing from breast tissue. Worldwide it is among the most common cancers and its incidences come first among the women population. Mammography is the most reliable technique for screening and diagnosing breast cancer. The aim of this master’s thesis is the development of methodologies that may be integrated in a computer aided diagnosis system for masses detected in mammographic images. The development of the system includes various independent steps such as: image preprocessing, aiming to the enhancement of image quality, the segmentation of the masses from the original image, the extraction of their features, the application of feature selection and finally the application of classification methods for the discrimination between benign and malignant masses. After developing all subunits of the system, we proceed on its evaluation in order to investigate its efficacy and its potential to be adopted in daily clinical practice. For the evaluation of the system were used 901 images, from real-life cases taken from the public DDSM database, achieving consequently objective results. In order to evaluate the classifiers’ performance at totally unknown data the factors that were used are accuracy, sensitivity, specificity and the area under the ROC curve."],"dc:identifier":["uoadl:1318970","https://pergamos.lib.uoa.gr/uoa/dl/object/1318970"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Μέθοδοι υπολογιστικής νοημοσύνης για την ταξινόμηση μαζών από μαστογραφικές εικόνες"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:25:33Z"}