{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5423502"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5423502","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 υπολογιστικού εργαλείου για την αυτοματοποιημένη εξαγωγή δεδομένων και τη διενέργεια κλινικού ελέγχου σε εξετάσεις Υπολογιστικής Τομογραφίας","abstract":"Βασικά εργαλεία της βελτιστοποίησης της ιατρικής έκθεσης σε εξετάσεις Υπολογιστικής Τομογραφίας (ΥΤ) αποτελούν η καθιέρωση Διαγνωστικών Επιπέδων Αναφοράς (ΔΕΑ) και η διενέργεια κλινικών ελέγχων. Στη σύγχρονη κλινική πράξη, η εξαγωγή και ο υπολογισμός των απαραίτητων δεδομένων για αυτές τις διαδικασίες απαιτεί τη μαζική ανάλυση μεγάλου όγκου εξετάσεων. Παρότι τα εμπορικά συστήματα διαχείρισης δόσης αυτοματοποιούν αυτή τη διαδικασία, το υψηλό κόστος τους τα καθιστά απρόσιτα για πολλές δομές υγείας, δημιουργώντας ένα σημαντικό κενό στη διαδικασία διασφάλισης ποιότητας. Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός υπολογιστικού εργαλείου, στη γλώσσα προγραμματισμού Python για την αυτοματοποιημένη εξαγωγή δεδομένων από τα αρχεία DICOM και τον μαζικό κλινικό έλεγχο εξετάσεων ΥΤ. Για την υλοποίηση της μελέτης, αντλήθηκε μέσω του συστήματος PACS ένα ετερογενές δείγμα πολλαπλών τύπων εξετάσεων ΥΤ ενηλίκων και παιδιατρικών ασθενών από δύο διαφορετικά συστήματα (GE Revolution GSI και Siemens SOMATOM Drive). Η αντιπαραβολή των δεδομένων από τα δύο συστήματα ανέδειξε τις σημαντικές δομικές διαφορές των παραγόμενων αρχείων DICOM, γεγονός που αποτέλεσε βασική πρόκληση για την αυτοματοποιημένη ανάλυσή τους. Ο αλγόριθμος βασίζεται στα αρχεία αναφοράς δόσης, εξάγοντας δεδομένα με εξατομικευμένες μεθόδους ανά κατασκευαστή. Επιπλέον, κάθε συμβάν έκθεσης των αρχείων αναφοράς δόσης συσχετίζεται με τις αντίστοιχες σειρές τομών της εξέτασης. Εφαρμόζοντας τεχνικές αυτοματοποιημένης τμηματοποίησης ανά τομή, απομονώνεται η ανατομία του ασθενούς υπολογίζοντας σωματομετρικούς δείκτες, όπως η διάμετρος ισοδύναμη νερού και η ενεργός διάμετρος. Συνδυάζοντας την παραγόμενη ψηφιακή μάσκα τμηματοποίησης με τα χωρικά μεταδεδομένα, εκτελούνται γεωμετρικοί έλεγχοι όπως η αποκοπή ανατομίας από το οπτικό πεδίο, η ορθή επικέντρωση στο ισόκεντρο και το μήκος υπερσάρωσης. Παράλληλα, αντιπαραβάλλοντας τα όρια σάρωσης με την τοπογραφική λήψη, ανιχνεύονται περιπτώσεις τυφλής σάρωσης. Η διαδικασία ολοκληρώνεται με τη δυναμική εξαγωγή όλων των παραγόμενων παραμέτρων σε ένα δομημένο αρχείο μορφής CSV, για στατιστική ανάλυση. Η ενσωμάτωση τεχνικών παράλληλης επεξεργασίας και υποδειγματοληψίας οδηγεί σε υψηλή υπολογιστική απόδοση, καθιστώντας το λογισμικό άμεσα εφαρμόσιμο στην κλινική πραγματικότητα. Η προκαταρκτική αξιολόγηση της λειτουργίας του εργαλείου σε εκτενές δείγμα εξετάσεων κατέδειξε την κλινική του αξιοπιστία ενώ η πιλοτική εφαρμογή του σε δείγμα εξετάσεων θώρακα ανέδειξε την χρησιμότητα του. Συμπερασματικά, το αναπτυχθέν εργαλείο αποτελεί μια ανέξοδη και ευέλικτη λύση για την αναδρομική ανάλυση μεγάλου όγκου κλινικών δεδομένων, υποστηρίζοντας την απαιτητική διαδικασία βελτιστοποίησης της ιατρικής έκθεσης σε εξετάσεις ΥΤ.","abstract_html":"Βασικά εργαλεία της βελτιστοποίησης της ιατρικής έκθεσης σε εξετάσεις Υπολογιστικής Τομογραφίας (ΥΤ) αποτελούν η καθιέρωση Διαγνωστικών Επιπέδων Αναφοράς (ΔΕΑ) και η διενέργεια κλινικών ελέγχων. Στη σύγχρονη κλινική πράξη, η εξαγωγή και ο υπολογισμός των απαραίτητων δεδομένων για αυτές τις διαδικασίες απαιτεί τη μαζική ανάλυση μεγάλου όγκου εξετάσεων. Παρότι τα εμπορικά συστήματα διαχείρισης δόσης αυτοματοποιούν αυτή τη διαδικασία, το υψηλό κόστος τους τα καθιστά απρόσιτα για πολλές δομές υγείας, δημιουργώντας ένα σημαντικό κενό στη διαδικασία διασφάλισης ποιότητας. Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός υπολογιστικού εργαλείου, στη γλώσσα προγραμματισμού Python για την αυτοματοποιημένη εξαγωγή δεδομένων από τα αρχεία DICOM και τον μαζικό κλινικό έλεγχο εξετάσεων ΥΤ. Για την υλοποίηση της μελέτης, αντλήθηκε μέσω του συστήματος PACS ένα ετερογενές δείγμα πολλαπλών τύπων εξετάσεων ΥΤ ενηλίκων και παιδιατρικών ασθενών από δύο διαφορετικά συστήματα (GE Revolution GSI και Siemens SOMATOM Drive). Η αντιπαραβολή των δεδομένων από τα δύο συστήματα ανέδειξε τις σημαντικές δομικές διαφορές των παραγόμενων αρχείων DICOM, γεγονός που αποτέλεσε βασική πρόκληση για την αυτοματοποιημένη ανάλυσή τους. Ο αλγόριθμος βασίζεται στα αρχεία αναφοράς δόσης, εξάγοντας δεδομένα με εξατομικευμένες μεθόδους ανά κατασκευαστή. Επιπλέον, κάθε συμβάν έκθεσης των αρχείων αναφοράς δόσης συσχετίζεται με τις αντίστοιχες σειρές τομών της εξέτασης. Εφαρμόζοντας τεχνικές αυτοματοποιημένης τμηματοποίησης ανά τομή, απομονώνεται η ανατομία του ασθενούς υπολογίζοντας σωματομετρικούς δείκτες, όπως η διάμετρος ισοδύναμη νερού και η ενεργός διάμετρος. Συνδυάζοντας την παραγόμενη ψηφιακή μάσκα τμηματοποίησης με τα χωρικά μεταδεδομένα, εκτελούνται γεωμετρικοί έλεγχοι όπως η αποκοπή ανατομίας από το οπτικό πεδίο, η ορθή επικέντρωση στο ισόκεντρο και το μήκος υπερσάρωσης. Παράλληλα, αντιπαραβάλλοντας τα όρια σάρωσης με την τοπογραφική λήψη, ανιχνεύονται περιπτώσεις τυφλής σάρωσης. Η διαδικασία ολοκληρώνεται με τη δυναμική εξαγωγή όλων των παραγόμενων παραμέτρων σε ένα δομημένο αρχείο μορφής CSV, για στατιστική ανάλυση. Η ενσωμάτωση τεχνικών παράλληλης επεξεργασίας και υποδειγματοληψίας οδηγεί σε υψηλή υπολογιστική απόδοση, καθιστώντας το λογισμικό άμεσα εφαρμόσιμο στην κλινική πραγματικότητα. Η προκαταρκτική αξιολόγηση της λειτουργίας του εργαλείου σε εκτενές δείγμα εξετάσεων κατέδειξε την κλινική του αξιοπιστία ενώ η πιλοτική εφαρμογή του σε δείγμα εξετάσεων θώρακα ανέδειξε την χρησιμότητα του. Συμπερασματικά, το αναπτυχθέν εργαλείο αποτελεί μια ανέξοδη και ευέλικτη λύση για την αναδρομική ανάλυση μεγάλου όγκου κλινικών δεδομένων, υποστηρίζοντας την απαιτητική διαδικασία βελτιστοποίησης της ιατρικής έκθεσης σε εξετάσεις ΥΤ.","abstract_has_math":false,"creators":["Καλογεράκης Αλέξανδρος","Kalogerakis Alexandros"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:20:14Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5423502"],"render_values":[{"text":"uoadl:5423502","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5423502","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5423502","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%3A5423502","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Καλογεράκης Αλέξανδρος","Kalogerakis Alexandros"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"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:5423502","https://pergamos.lib.uoa.gr/uoa/dl/object/5423502"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Βασικά εργαλεία της βελτιστοποίησης της ιατρικής έκθεσης σε εξετάσεις Υπολογιστικής Τομογραφίας (ΥΤ) αποτελούν η καθιέρωση Διαγνωστικών Επιπέδων Αναφοράς (ΔΕΑ) και η διενέργεια κλινικών ελέγχων. Στη σύγχρονη κλινική πράξη, η εξαγωγή και ο υπολογισμός των απαραίτητων δεδομένων για αυτές τις διαδικασίες απαιτεί τη μαζική ανάλυση μεγάλου όγκου εξετάσεων. Παρότι τα εμπορικά συστήματα διαχείρισης δόσης αυτοματοποιούν αυτή τη διαδικασία, το υψηλό κόστος τους τα καθιστά απρόσιτα για πολλές δομές υγείας, δημιουργώντας ένα σημαντικό κενό στη διαδικασία διασφάλισης ποιότητας. Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός υπολογιστικού εργαλείου, στη γλώσσα προγραμματισμού Python για την αυτοματοποιημένη εξαγωγή δεδομένων από τα αρχεία DICOM και τον μαζικό κλινικό έλεγχο εξετάσεων ΥΤ. Για την υλοποίηση της μελέτης, αντλήθηκε μέσω του συστήματος PACS ένα ετερογενές δείγμα πολλαπλών τύπων εξετάσεων ΥΤ ενηλίκων και παιδιατρικών ασθενών από δύο διαφορετικά συστήματα (GE Revolution GSI και Siemens SOMATOM Drive). Η αντιπαραβολή των δεδομένων από τα δύο συστήματα ανέδειξε τις σημαντικές δομικές διαφορές των παραγόμενων αρχείων DICOM, γεγονός που αποτέλεσε βασική πρόκληση για την αυτοματοποιημένη ανάλυσή τους. Ο αλγόριθμος βασίζεται στα αρχεία αναφοράς δόσης, εξάγοντας δεδομένα με εξατομικευμένες μεθόδους ανά κατασκευαστή. Επιπλέον, κάθε συμβάν έκθεσης των αρχείων αναφοράς δόσης συσχετίζεται με τις αντίστοιχες σειρές τομών της εξέτασης. Εφαρμόζοντας τεχνικές αυτοματοποιημένης τμηματοποίησης ανά τομή, απομονώνεται η ανατομία του ασθενούς υπολογίζοντας σωματομετρικούς δείκτες, όπως η διάμετρος ισοδύναμη νερού και η ενεργός διάμετρος. Συνδυάζοντας την παραγόμενη ψηφιακή μάσκα τμηματοποίησης με τα χωρικά μεταδεδομένα, εκτελούνται γεωμετρικοί έλεγχοι όπως η αποκοπή ανατομίας από το οπτικό πεδίο, η ορθή επικέντρωση στο ισόκεντρο και το μήκος υπερσάρωσης. Παράλληλα, αντιπαραβάλλοντας τα όρια σάρωσης με την τοπογραφική λήψη, ανιχνεύονται περιπτώσεις τυφλής σάρωσης. Η διαδικασία ολοκληρώνεται με τη δυναμική εξαγωγή όλων των παραγόμενων παραμέτρων σε ένα δομημένο αρχείο μορφής CSV, για στατιστική ανάλυση. Η ενσωμάτωση τεχνικών παράλληλης επεξεργασίας και υποδειγματοληψίας οδηγεί σε υψηλή υπολογιστική απόδοση, καθιστώντας το λογισμικό άμεσα εφαρμόσιμο στην κλινική πραγματικότητα. Η προκαταρκτική αξιολόγηση της λειτουργίας του εργαλείου σε εκτενές δείγμα εξετάσεων κατέδειξε την κλινική του αξιοπιστία ενώ η πιλοτική εφαρμογή του σε δείγμα εξετάσεων θώρακα ανέδειξε την χρησιμότητα του. Συμπερασματικά, το αναπτυχθέν εργαλείο αποτελεί μια ανέξοδη και ευέλικτη λύση για την αναδρομική ανάλυση μεγάλου όγκου κλινικών δεδομένων, υποστηρίζοντας την απαιτητική διαδικασία βελτιστοποίησης της ιατρικής έκθεσης σε εξετάσεις ΥΤ.","Diagnostic Reference Levels (DRLs) and conducting clinical audits are both fundamental tools for the optimization of medical exposure in Computed Tomography (CT) examinations. In modern clinical practice, the extraction and calculation of the necessary data for these procedures require mass analysis of a large volume of examinations. Although commercial Dose Management Systems (DMS) automate this workflow, their high cost makes them inaccessible to many healthcare facilities, creating a significant gap in the quality assurance process. The purpose of this master's thesis is the development of a computational tool, using the Python programming language, for the automated extraction of data from DICOM files and the mass clinical auditing of CT examinations. To implement this study, a heterogeneous sample of various types of CT examinations from both adult and pediatric patients was retrieved via the PACS system from two different CT scanners (GE Revolution GSI and Siemens SOMATOM Drive). The comparison of data between the two systems highlighted significant structural differences in the generated DICOM files, which constituted a major challenge for their automated analysis. The algorithm relies on the dose report files, extracting data using customized methods for each manufacturer. Each exposure event from the dose reports is correlated with the corresponding image series of the examination. By applying automated segmentation techniques per slice, the patient's anatomy is isolated to calculate anthropometric metrics, such as the Water-Equivalent Diameter (WED) and the Effective Diameter. Combining the generated digital segmentation mask with the spatial metadata, geometric checks are performed, including the detection of anatomical truncation from the Field of View (FOV), correct patient centering at the isocenter, and overscanning length. Concurrently, by comparing the scan limits with the scout/topogram image, instances of blind scanning are detected. The process concludes with the dynamic export of all generated parameters into a structured CSV file, ready for statistical analysis. The integration of parallel processing and subsampling techniques leads to high computational performance, making the software directly applicable in real-world clinical settings. The preliminary evaluation of the tool's performance on an extensive sample of examinations demonstrated its clinical reliability, while its pilot application on a sample of thorax examinations confirmed its practical utility. In conclusion, the developed tool constitutes a cost-free and flexible solution for the retrospective analysis of large volumes of clinical data, substantially supporting the demanding process of optimizing medical exposure in CT examinations."]},{"key":"dc:title","label":"Title","values":["Ανάπτυξη υπολογιστικού εργαλείου για την αυτοματοποιημένη εξαγωγή δεδομένων και τη διενέργεια κλινικού ελέγχου σε εξετάσεις Υπολογιστικής Τομογραφίας"]}]}],"canonical_facts":{"dc:creator":["Καλογεράκης Αλέξανδρος","Kalogerakis Alexandros"],"dc:date":["2026"],"dc:description":["Βασικά εργαλεία της βελτιστοποίησης της ιατρικής έκθεσης σε εξετάσεις Υπολογιστικής Τομογραφίας (ΥΤ) αποτελούν η καθιέρωση Διαγνωστικών Επιπέδων Αναφοράς (ΔΕΑ) και η διενέργεια κλινικών ελέγχων. Στη σύγχρονη κλινική πράξη, η εξαγωγή και ο υπολογισμός των απαραίτητων δεδομένων για αυτές τις διαδικασίες απαιτεί τη μαζική ανάλυση μεγάλου όγκου εξετάσεων. Παρότι τα εμπορικά συστήματα διαχείρισης δόσης αυτοματοποιούν αυτή τη διαδικασία, το υψηλό κόστος τους τα καθιστά απρόσιτα για πολλές δομές υγείας, δημιουργώντας ένα σημαντικό κενό στη διαδικασία διασφάλισης ποιότητας. Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός υπολογιστικού εργαλείου, στη γλώσσα προγραμματισμού Python για την αυτοματοποιημένη εξαγωγή δεδομένων από τα αρχεία DICOM και τον μαζικό κλινικό έλεγχο εξετάσεων ΥΤ. Για την υλοποίηση της μελέτης, αντλήθηκε μέσω του συστήματος PACS ένα ετερογενές δείγμα πολλαπλών τύπων εξετάσεων ΥΤ ενηλίκων και παιδιατρικών ασθενών από δύο διαφορετικά συστήματα (GE Revolution GSI και Siemens SOMATOM Drive). Η αντιπαραβολή των δεδομένων από τα δύο συστήματα ανέδειξε τις σημαντικές δομικές διαφορές των παραγόμενων αρχείων DICOM, γεγονός που αποτέλεσε βασική πρόκληση για την αυτοματοποιημένη ανάλυσή τους. Ο αλγόριθμος βασίζεται στα αρχεία αναφοράς δόσης, εξάγοντας δεδομένα με εξατομικευμένες μεθόδους ανά κατασκευαστή. Επιπλέον, κάθε συμβάν έκθεσης των αρχείων αναφοράς δόσης συσχετίζεται με τις αντίστοιχες σειρές τομών της εξέτασης. Εφαρμόζοντας τεχνικές αυτοματοποιημένης τμηματοποίησης ανά τομή, απομονώνεται η ανατομία του ασθενούς υπολογίζοντας σωματομετρικούς δείκτες, όπως η διάμετρος ισοδύναμη νερού και η ενεργός διάμετρος. Συνδυάζοντας την παραγόμενη ψηφιακή μάσκα τμηματοποίησης με τα χωρικά μεταδεδομένα, εκτελούνται γεωμετρικοί έλεγχοι όπως η αποκοπή ανατομίας από το οπτικό πεδίο, η ορθή επικέντρωση στο ισόκεντρο και το μήκος υπερσάρωσης. Παράλληλα, αντιπαραβάλλοντας τα όρια σάρωσης με την τοπογραφική λήψη, ανιχνεύονται περιπτώσεις τυφλής σάρωσης. Η διαδικασία ολοκληρώνεται με τη δυναμική εξαγωγή όλων των παραγόμενων παραμέτρων σε ένα δομημένο αρχείο μορφής CSV, για στατιστική ανάλυση. Η ενσωμάτωση τεχνικών παράλληλης επεξεργασίας και υποδειγματοληψίας οδηγεί σε υψηλή υπολογιστική απόδοση, καθιστώντας το λογισμικό άμεσα εφαρμόσιμο στην κλινική πραγματικότητα. Η προκαταρκτική αξιολόγηση της λειτουργίας του εργαλείου σε εκτενές δείγμα εξετάσεων κατέδειξε την κλινική του αξιοπιστία ενώ η πιλοτική εφαρμογή του σε δείγμα εξετάσεων θώρακα ανέδειξε την χρησιμότητα του. Συμπερασματικά, το αναπτυχθέν εργαλείο αποτελεί μια ανέξοδη και ευέλικτη λύση για την αναδρομική ανάλυση μεγάλου όγκου κλινικών δεδομένων, υποστηρίζοντας την απαιτητική διαδικασία βελτιστοποίησης της ιατρικής έκθεσης σε εξετάσεις ΥΤ.","Diagnostic Reference Levels (DRLs) and conducting clinical audits are both fundamental tools for the optimization of medical exposure in Computed Tomography (CT) examinations. In modern clinical practice, the extraction and calculation of the necessary data for these procedures require mass analysis of a large volume of examinations. Although commercial Dose Management Systems (DMS) automate this workflow, their high cost makes them inaccessible to many healthcare facilities, creating a significant gap in the quality assurance process. The purpose of this master's thesis is the development of a computational tool, using the Python programming language, for the automated extraction of data from DICOM files and the mass clinical auditing of CT examinations. To implement this study, a heterogeneous sample of various types of CT examinations from both adult and pediatric patients was retrieved via the PACS system from two different CT scanners (GE Revolution GSI and Siemens SOMATOM Drive). The comparison of data between the two systems highlighted significant structural differences in the generated DICOM files, which constituted a major challenge for their automated analysis. The algorithm relies on the dose report files, extracting data using customized methods for each manufacturer. Each exposure event from the dose reports is correlated with the corresponding image series of the examination. By applying automated segmentation techniques per slice, the patient's anatomy is isolated to calculate anthropometric metrics, such as the Water-Equivalent Diameter (WED) and the Effective Diameter. Combining the generated digital segmentation mask with the spatial metadata, geometric checks are performed, including the detection of anatomical truncation from the Field of View (FOV), correct patient centering at the isocenter, and overscanning length. Concurrently, by comparing the scan limits with the scout/topogram image, instances of blind scanning are detected. The process concludes with the dynamic export of all generated parameters into a structured CSV file, ready for statistical analysis. The integration of parallel processing and subsampling techniques leads to high computational performance, making the software directly applicable in real-world clinical settings. The preliminary evaluation of the tool's performance on an extensive sample of examinations demonstrated its clinical reliability, while its pilot application on a sample of thorax examinations confirmed its practical utility. In conclusion, the developed tool constitutes a cost-free and flexible solution for the retrospective analysis of large volumes of clinical data, substantially supporting the demanding process of optimizing medical exposure in CT examinations."],"dc:identifier":["uoadl:5423502","https://pergamos.lib.uoa.gr/uoa/dl/object/5423502"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Ανάπτυξη υπολογιστικού εργαλείου για την αυτοματοποιημένη εξαγωγή δεδομένων και τη διενέργεια κλινικού ελέγχου σε εξετάσεις Υπολογιστικής Τομογραφίας"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:20:14Z"}