{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3350281"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3350281","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ανάπτυξη λογισμικού για τον έλεγχο ποιότητας ραδιοανοσολογικών εξετάσεων: ένα πρώτο βήμα προς τον ποιοτικό έλεγχο με μεθόδους μηχανικής μάθησης","abstract":"Οι ραδιοανοσολογικές εξετάσεις προσφέρουν μια αξιόπιστη μέθοδο για τον ποσοτικό προσδιορισμό της συγκέντρωσης ουσιών σε βιολογικά δείγματα. Στόχος της εργασίας ήταν η ανάπτυξη σύγχρονης αυτοματοποιημένης μεθόδου ελέγχου ποιότητας των ραδιοανοσολογικών εξετάσεων με τη χρήση προγραμματιστικών μεθόδων. Χρησιμοποιώντας την open-source γλώσσα προγραμματισμού Python, τα δεδομένα αναλύθηκαν στατιστικά και χρησιμοποιήθηκαν για τον σχεδιασμό ενός αλγορίθμου ελέγχου των καμπυλών και των controls. Κάθε ανάλυση βαθμολογήθηκε σε κλίμακα από 0 έως 100 με βάση την εκπλήρωση ή μη ενός συνόλου ποιοτικών χαρακτηριστικών. Έπειτα δημιουργήθηκαν τεχνητά νέες μη αποδεκτές αναλύσεις, προσθέτοντας τυχαίο θόρυβο στις μετρήσεις των αρχικών, οι οποίες αξιολογήθηκαν από τον αλγόριθμο. Μέσω ROC (Receiver Operating Characteristic) ανάλυσης εντοπίστηκε για κάθε μία εξέταση το κατώφλι βαθμολογίας για τον χαρακτηρισμό μιας ανάλυσης ως αποδεκτής ή όχι. Η ROC ανάλυση για κάθε εξέταση ανέδειξε βαθμολογίες κατωφλίου για τον χαρακτηρισμό αποδεκτών/μη αποδεκτών αναλύσεων που κυμάνθηκαν μεταξύ 81 και 92 βαθμών. Ο αλγόριθμος πέτυχε να ταξινομήσει τις αποδεκτές από τις μη αποδεκτές αναλύσεις με ακρίβεια που κυμαίνονταν από 78% έως 90% (ευαισθησία 71-94%, ειδικότητα 65-94%). Ο αλγόριθμος που αναπτύχθηκε αυτοματοποιεί και εξελίσσει την αξιολόγηση και τον έλεγχο ποιότητας των ραδιοανοσολογικών εξετάσεων, αξιοποιώντας το σύνολο των ιστορικών δεδομένων κάθε εξέτασης.","abstract_html":"Οι ραδιοανοσολογικές εξετάσεις προσφέρουν μια αξιόπιστη μέθοδο για τον ποσοτικό προσδιορισμό της συγκέντρωσης ουσιών σε βιολογικά δείγματα. Στόχος της εργασίας ήταν η ανάπτυξη σύγχρονης αυτοματοποιημένης μεθόδου ελέγχου ποιότητας των ραδιοανοσολογικών εξετάσεων με τη χρήση προγραμματιστικών μεθόδων. Χρησιμοποιώντας την open-source γλώσσα προγραμματισμού Python, τα δεδομένα αναλύθηκαν στατιστικά και χρησιμοποιήθηκαν για τον σχεδιασμό ενός αλγορίθμου ελέγχου των καμπυλών και των controls. Κάθε ανάλυση βαθμολογήθηκε σε κλίμακα από 0 έως 100 με βάση την εκπλήρωση ή μη ενός συνόλου ποιοτικών χαρακτηριστικών. Έπειτα δημιουργήθηκαν τεχνητά νέες μη αποδεκτές αναλύσεις, προσθέτοντας τυχαίο θόρυβο στις μετρήσεις των αρχικών, οι οποίες αξιολογήθηκαν από τον αλγόριθμο. Μέσω ROC (Receiver Operating Characteristic) ανάλυσης εντοπίστηκε για κάθε μία εξέταση το κατώφλι βαθμολογίας για τον χαρακτηρισμό μιας ανάλυσης ως αποδεκτής ή όχι. Η ROC ανάλυση για κάθε εξέταση ανέδειξε βαθμολογίες κατωφλίου για τον χαρακτηρισμό αποδεκτών/μη αποδεκτών αναλύσεων που κυμάνθηκαν μεταξύ 81 και 92 βαθμών. Ο αλγόριθμος πέτυχε να ταξινομήσει τις αποδεκτές από τις μη αποδεκτές αναλύσεις με ακρίβεια που κυμαίνονταν από 78% έως 90% (ευαισθησία 71-94%, ειδικότητα 65-94%). Ο αλγόριθμος που αναπτύχθηκε αυτοματοποιεί και εξελίσσει την αξιολόγηση και τον έλεγχο ποιότητας των ραδιοανοσολογικών εξετάσεων, αξιοποιώντας το σύνολο των ιστορικών δεδομένων κάθε εξέτασης.","abstract_has_math":false,"creators":["Ζήσαρου Χρυσούλα","Zisarou Chrysoula"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:23:08Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3350281"],"render_values":[{"text":"uoadl:3350281","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3350281","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3350281","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%3A3350281","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ζήσαρου Χρυσούλα","Zisarou Chrysoula"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"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:3350281","https://pergamos.lib.uoa.gr/uoa/dl/object/3350281"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι ραδιοανοσολογικές εξετάσεις προσφέρουν μια αξιόπιστη μέθοδο για τον ποσοτικό προσδιορισμό της συγκέντρωσης ουσιών σε βιολογικά δείγματα. Στόχος της εργασίας ήταν η ανάπτυξη σύγχρονης αυτοματοποιημένης μεθόδου ελέγχου ποιότητας των ραδιοανοσολογικών εξετάσεων με τη χρήση προγραμματιστικών μεθόδων. Χρησιμοποιώντας την open-source γλώσσα προγραμματισμού Python, τα δεδομένα αναλύθηκαν στατιστικά και χρησιμοποιήθηκαν για τον σχεδιασμό ενός αλγορίθμου ελέγχου των καμπυλών και των controls. Κάθε ανάλυση βαθμολογήθηκε σε κλίμακα από 0 έως 100 με βάση την εκπλήρωση ή μη ενός συνόλου ποιοτικών χαρακτηριστικών. Έπειτα δημιουργήθηκαν τεχνητά νέες μη αποδεκτές αναλύσεις, προσθέτοντας τυχαίο θόρυβο στις μετρήσεις των αρχικών, οι οποίες αξιολογήθηκαν από τον αλγόριθμο. Μέσω ROC (Receiver Operating Characteristic) ανάλυσης εντοπίστηκε για κάθε μία εξέταση το κατώφλι βαθμολογίας για τον χαρακτηρισμό μιας ανάλυσης ως αποδεκτής ή όχι. Η ROC ανάλυση για κάθε εξέταση ανέδειξε βαθμολογίες κατωφλίου για τον χαρακτηρισμό αποδεκτών/μη αποδεκτών αναλύσεων που κυμάνθηκαν μεταξύ 81 και 92 βαθμών. Ο αλγόριθμος πέτυχε να ταξινομήσει τις αποδεκτές από τις μη αποδεκτές αναλύσεις με ακρίβεια που κυμαίνονταν από 78% έως 90% (ευαισθησία 71-94%, ειδικότητα 65-94%). Ο αλγόριθμος που αναπτύχθηκε αυτοματοποιεί και εξελίσσει την αξιολόγηση και τον έλεγχο ποιότητας των ραδιοανοσολογικών εξετάσεων, αξιοποιώντας το σύνολο των ιστορικών δεδομένων κάθε εξέτασης.","Radioimmunoassays offer a reliable method for quantifying the concentration of substances in biological samples. The aim of this work is the development of a modern automated quality control method for radioimmunoassays using programming methods. Using the open-source Python programming language, the data were analyzed statistically and used to design an algorithm to evaluate the standard curves and controls samples. Each analysis was scored on a scale of 0 to 100 based on whether or not a set of quality characteristics were met. New unacceptable assays were then artificially generated by adding random noise to the original measurements, which were evaluated by the algorithm. Through ROC (Receiver Operating Characteristic) analysis, the score threshold, for classifying an assay as acceptable or not, was identified for each examination. ROC analysis for each test revealed threshold scores for classifying acceptable/unacceptable assays that ranged between 81 and 92 points. The algorithm succeeded in classifying acceptable from unacceptable assays with accuracies ranging from 78% to 90% (sensitivity 71–94%, specificity 65–94%). The developed algorithm automates and evolves the evaluation and quality control of radioimmunoassays, leveraging all of the historical data of each assay."]},{"key":"dc:title","label":"Title","values":["Ανάπτυξη λογισμικού για τον έλεγχο ποιότητας ραδιοανοσολογικών εξετάσεων: ένα πρώτο βήμα προς τον ποιοτικό έλεγχο με μεθόδους μηχανικής μάθησης"]}]}],"canonical_facts":{"dc:creator":["Ζήσαρου Χρυσούλα","Zisarou Chrysoula"],"dc:date":["2023"],"dc:description":["Οι ραδιοανοσολογικές εξετάσεις προσφέρουν μια αξιόπιστη μέθοδο για τον ποσοτικό προσδιορισμό της συγκέντρωσης ουσιών σε βιολογικά δείγματα. Στόχος της εργασίας ήταν η ανάπτυξη σύγχρονης αυτοματοποιημένης μεθόδου ελέγχου ποιότητας των ραδιοανοσολογικών εξετάσεων με τη χρήση προγραμματιστικών μεθόδων. Χρησιμοποιώντας την open-source γλώσσα προγραμματισμού Python, τα δεδομένα αναλύθηκαν στατιστικά και χρησιμοποιήθηκαν για τον σχεδιασμό ενός αλγορίθμου ελέγχου των καμπυλών και των controls. Κάθε ανάλυση βαθμολογήθηκε σε κλίμακα από 0 έως 100 με βάση την εκπλήρωση ή μη ενός συνόλου ποιοτικών χαρακτηριστικών. Έπειτα δημιουργήθηκαν τεχνητά νέες μη αποδεκτές αναλύσεις, προσθέτοντας τυχαίο θόρυβο στις μετρήσεις των αρχικών, οι οποίες αξιολογήθηκαν από τον αλγόριθμο. Μέσω ROC (Receiver Operating Characteristic) ανάλυσης εντοπίστηκε για κάθε μία εξέταση το κατώφλι βαθμολογίας για τον χαρακτηρισμό μιας ανάλυσης ως αποδεκτής ή όχι. Η ROC ανάλυση για κάθε εξέταση ανέδειξε βαθμολογίες κατωφλίου για τον χαρακτηρισμό αποδεκτών/μη αποδεκτών αναλύσεων που κυμάνθηκαν μεταξύ 81 και 92 βαθμών. Ο αλγόριθμος πέτυχε να ταξινομήσει τις αποδεκτές από τις μη αποδεκτές αναλύσεις με ακρίβεια που κυμαίνονταν από 78% έως 90% (ευαισθησία 71-94%, ειδικότητα 65-94%). Ο αλγόριθμος που αναπτύχθηκε αυτοματοποιεί και εξελίσσει την αξιολόγηση και τον έλεγχο ποιότητας των ραδιοανοσολογικών εξετάσεων, αξιοποιώντας το σύνολο των ιστορικών δεδομένων κάθε εξέτασης.","Radioimmunoassays offer a reliable method for quantifying the concentration of substances in biological samples. The aim of this work is the development of a modern automated quality control method for radioimmunoassays using programming methods. Using the open-source Python programming language, the data were analyzed statistically and used to design an algorithm to evaluate the standard curves and controls samples. Each analysis was scored on a scale of 0 to 100 based on whether or not a set of quality characteristics were met. New unacceptable assays were then artificially generated by adding random noise to the original measurements, which were evaluated by the algorithm. Through ROC (Receiver Operating Characteristic) analysis, the score threshold, for classifying an assay as acceptable or not, was identified for each examination. ROC analysis for each test revealed threshold scores for classifying acceptable/unacceptable assays that ranged between 81 and 92 points. The algorithm succeeded in classifying acceptable from unacceptable assays with accuracies ranging from 78% to 90% (sensitivity 71–94%, specificity 65–94%). The developed algorithm automates and evolves the evaluation and quality control of radioimmunoassays, leveraging all of the historical data of each assay."],"dc:identifier":["uoadl:3350281","https://pergamos.lib.uoa.gr/uoa/dl/object/3350281"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Ανάπτυξη λογισμικού για τον έλεγχο ποιότητας ραδιοανοσολογικών εξετάσεων: ένα πρώτο βήμα προς τον ποιοτικό έλεγχο με μεθόδους μηχανικής μάθησης"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:23:08Z"}