{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5308111"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5308111","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Τεχνητή νοημοσύνη στην χειρουργική του αμφιβληστροειδούς","abstract":"Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή της τεχνητής νοημοσύνης (ΤΝ) στη χειρουργική του αμφιβληστροειδούς, έναν από τους πλέον απαιτητικούς τομείς της οφθαλμολογίας. Η μελέτη εστιάζει σε μια βιβλιογραφική ανασκόπηση της υπάρχουσας βιβλιογραφίας, αναλύοντας τις βασικές τεχνολογίες της ΤΝ όπως η μηχανική μάθηση, η βαθιά μάθηση και τα νευρωνικά δίκτυα, καθώς και τις εφαρμογές τους στον τομέα της χειρουργικής. Πιο συγκεκριμένα, εξετάζονται οι τρόποι με τους οποίους η ΤΝ μπορεί να υποστηρίξει τη λήψη αποφάσεων, τον σχεδιασμό και την εκτέλεση χειρουργικών επεμβάσεων, παρέχοντας στους χειρουργούς ακριβέστερα εργαλεία και αυξημένη αυτοματοποίηση μέσω ρομποτικών συστημάτων. Επιπλέον, παρουσιάζονται οι δυνατότητες της ΤΝ στην ανάλυση ιατρικών εικόνων και την ανάπτυξη εξατομικευμένων προγνωστικών μοντέλων που βελτιώνουν τα κλινικά αποτελέσματα και μειώνουν τις επιπλοκές. Η εργασία εστιάζει επίσης στις προκλήσεις που αντιμετωπίζει η εφαρμογή της ΤΝ, όπως η ηθική διαχείριση των δεδομένων, η διαφάνεια των αλγορίθμων και η ανάγκη για εκπαίδευση των χειρουργών. Τέλος, προτείνονται μελλοντικές κατευθύνσεις, συμπεριλαμβανομένης της ανάπτυξης εξατομικευμένων αλγορίθμων, της βελτίωσης της ρομποτικής χειρουργικής και της ανάλυσης μεγάλων δεδομένων, προκειμένου να επιτευχθεί περαιτέρω πρόοδος στον τομέα.","abstract_html":"Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή της τεχνητής νοημοσύνης (ΤΝ) στη χειρουργική του αμφιβληστροειδούς, έναν από τους πλέον απαιτητικούς τομείς της οφθαλμολογίας. Η μελέτη εστιάζει σε μια βιβλιογραφική ανασκόπηση της υπάρχουσας βιβλιογραφίας, αναλύοντας τις βασικές τεχνολογίες της ΤΝ όπως η μηχανική μάθηση, η βαθιά μάθηση και τα νευρωνικά δίκτυα, καθώς και τις εφαρμογές τους στον τομέα της χειρουργικής. Πιο συγκεκριμένα, εξετάζονται οι τρόποι με τους οποίους η ΤΝ μπορεί να υποστηρίξει τη λήψη αποφάσεων, τον σχεδιασμό και την εκτέλεση χειρουργικών επεμβάσεων, παρέχοντας στους χειρουργούς ακριβέστερα εργαλεία και αυξημένη αυτοματοποίηση μέσω ρομποτικών συστημάτων. Επιπλέον, παρουσιάζονται οι δυνατότητες της ΤΝ στην ανάλυση ιατρικών εικόνων και την ανάπτυξη εξατομικευμένων προγνωστικών μοντέλων που βελτιώνουν τα κλινικά αποτελέσματα και μειώνουν τις επιπλοκές. Η εργασία εστιάζει επίσης στις προκλήσεις που αντιμετωπίζει η εφαρμογή της ΤΝ, όπως η ηθική διαχείριση των δεδομένων, η διαφάνεια των αλγορίθμων και η ανάγκη για εκπαίδευση των χειρουργών. Τέλος, προτείνονται μελλοντικές κατευθύνσεις, συμπεριλαμβανομένης της ανάπτυξης εξατομικευμένων αλγορίθμων, της βελτίωσης της ρομποτικής χειρουργικής και της ανάλυσης μεγάλων δεδομένων, προκειμένου να επιτευχθεί περαιτέρω πρόοδος στον τομέα.","abstract_has_math":false,"creators":["Μπάνι Καλέντ Ραντάντ","Bani Khaled Radad"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:40:21Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5308111"],"render_values":[{"text":"uoadl:5308111","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5308111","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5308111","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%3A5308111","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μπάνι Καλέντ Ραντάντ","Bani Khaled Radad"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"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:5308111","https://pergamos.lib.uoa.gr/uoa/dl/object/5308111"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή της τεχνητής νοημοσύνης (ΤΝ) στη χειρουργική του αμφιβληστροειδούς, έναν από τους πλέον απαιτητικούς τομείς της οφθαλμολογίας. Η μελέτη εστιάζει σε μια βιβλιογραφική ανασκόπηση της υπάρχουσας βιβλιογραφίας, αναλύοντας τις βασικές τεχνολογίες της ΤΝ όπως η μηχανική μάθηση, η βαθιά μάθηση και τα νευρωνικά δίκτυα, καθώς και τις εφαρμογές τους στον τομέα της χειρουργικής. Πιο συγκεκριμένα, εξετάζονται οι τρόποι με τους οποίους η ΤΝ μπορεί να υποστηρίξει τη λήψη αποφάσεων, τον σχεδιασμό και την εκτέλεση χειρουργικών επεμβάσεων, παρέχοντας στους χειρουργούς ακριβέστερα εργαλεία και αυξημένη αυτοματοποίηση μέσω ρομποτικών συστημάτων. Επιπλέον, παρουσιάζονται οι δυνατότητες της ΤΝ στην ανάλυση ιατρικών εικόνων και την ανάπτυξη εξατομικευμένων προγνωστικών μοντέλων που βελτιώνουν τα κλινικά αποτελέσματα και μειώνουν τις επιπλοκές. Η εργασία εστιάζει επίσης στις προκλήσεις που αντιμετωπίζει η εφαρμογή της ΤΝ, όπως η ηθική διαχείριση των δεδομένων, η διαφάνεια των αλγορίθμων και η ανάγκη για εκπαίδευση των χειρουργών. Τέλος, προτείνονται μελλοντικές κατευθύνσεις, συμπεριλαμβανομένης της ανάπτυξης εξατομικευμένων αλγορίθμων, της βελτίωσης της ρομποτικής χειρουργικής και της ανάλυσης μεγάλων δεδομένων, προκειμένου να επιτευχθεί περαιτέρω πρόοδος στον τομέα.","This thesis examines the application of artificial intelligence (AI) in vitreoretinal surgery, one of the most challenging areas of ophthalmology. The study focuses on a literature review of the existing literature, analyzing key AI technologies such as machine learning, deep learning and neural networks, and their applications in the field of surgery. More specifically, it examines the ways in which AI can support decision-making, planning and execution of surgical procedures, providing surgeons with more accurate tools and increased automation through robotic systems. In addition, the potential of AI in medical image analysis and the development of personalized predictive models that improve clinical outcomes and reduce complications is presented. The paper also focuses on the challenges facing the application of AI, such as ethical data management, transparency of algorithms and the need for training of surgeons. Finally, future directions are suggested, including the development of personalised algorithms, improved robotic surgery and big data analysis, in order to achieve further progress in the field."]},{"key":"dc:title","label":"Title","values":["Τεχνητή νοημοσύνη στην χειρουργική του αμφιβληστροειδούς"]}]}],"canonical_facts":{"dc:creator":["Μπάνι Καλέντ Ραντάντ","Bani Khaled Radad"],"dc:date":["2025"],"dc:description":["Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή της τεχνητής νοημοσύνης (ΤΝ) στη χειρουργική του αμφιβληστροειδούς, έναν από τους πλέον απαιτητικούς τομείς της οφθαλμολογίας. Η μελέτη εστιάζει σε μια βιβλιογραφική ανασκόπηση της υπάρχουσας βιβλιογραφίας, αναλύοντας τις βασικές τεχνολογίες της ΤΝ όπως η μηχανική μάθηση, η βαθιά μάθηση και τα νευρωνικά δίκτυα, καθώς και τις εφαρμογές τους στον τομέα της χειρουργικής. Πιο συγκεκριμένα, εξετάζονται οι τρόποι με τους οποίους η ΤΝ μπορεί να υποστηρίξει τη λήψη αποφάσεων, τον σχεδιασμό και την εκτέλεση χειρουργικών επεμβάσεων, παρέχοντας στους χειρουργούς ακριβέστερα εργαλεία και αυξημένη αυτοματοποίηση μέσω ρομποτικών συστημάτων. Επιπλέον, παρουσιάζονται οι δυνατότητες της ΤΝ στην ανάλυση ιατρικών εικόνων και την ανάπτυξη εξατομικευμένων προγνωστικών μοντέλων που βελτιώνουν τα κλινικά αποτελέσματα και μειώνουν τις επιπλοκές. Η εργασία εστιάζει επίσης στις προκλήσεις που αντιμετωπίζει η εφαρμογή της ΤΝ, όπως η ηθική διαχείριση των δεδομένων, η διαφάνεια των αλγορίθμων και η ανάγκη για εκπαίδευση των χειρουργών. Τέλος, προτείνονται μελλοντικές κατευθύνσεις, συμπεριλαμβανομένης της ανάπτυξης εξατομικευμένων αλγορίθμων, της βελτίωσης της ρομποτικής χειρουργικής και της ανάλυσης μεγάλων δεδομένων, προκειμένου να επιτευχθεί περαιτέρω πρόοδος στον τομέα.","This thesis examines the application of artificial intelligence (AI) in vitreoretinal surgery, one of the most challenging areas of ophthalmology. The study focuses on a literature review of the existing literature, analyzing key AI technologies such as machine learning, deep learning and neural networks, and their applications in the field of surgery. More specifically, it examines the ways in which AI can support decision-making, planning and execution of surgical procedures, providing surgeons with more accurate tools and increased automation through robotic systems. In addition, the potential of AI in medical image analysis and the development of personalized predictive models that improve clinical outcomes and reduce complications is presented. The paper also focuses on the challenges facing the application of AI, such as ethical data management, transparency of algorithms and the need for training of surgeons. Finally, future directions are suggested, including the development of personalised algorithms, improved robotic surgery and big data analysis, in order to achieve further progress in the field."],"dc:identifier":["uoadl:5308111","https://pergamos.lib.uoa.gr/uoa/dl/object/5308111"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Τεχνητή νοημοσύνη στην χειρουργική του αμφιβληστροειδούς"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:40:21Z"}