| dc.contributor.advisor | Φιλιππάκης, Μιχαήλ | |
| dc.contributor.author | Σιακαβέλλα, Κωνσταντία Μαρία | |
| dc.date.accessioned | 2021-10-08T09:30:03Z | |
| dc.date.available | 2021-10-08T09:30:03Z | |
| dc.date.issued | 2021-07 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13732 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/1155 | |
| dc.description.abstract | Τα Τεχνητά Νευρωνικά Δίκτυα, που είναι ο πυρήνας της Βαθιάς Μάθησης, βρίσκουν
εφαρμογή στην επίλυση περίπλοκων προβλημάτων σε ένα ευρύ φάσμα εφαρμογών, όπως
η ιατρική διάγνωση ασθενειών του καρκίνου. Ο καρκίνος του μαστού αποτελεί την πρώτη
αιτία καρκίνου στις γυναίκες. Για να βελτιωθεί το ποσοστό μακροπρόθεσμης επιβίωσης για
τους ασθενείς, οι βασικοί παράγοντες είναι η έγκαιρη ανίχνευση και η ακριβής διάγνωση
για την ύπαρξη κακοήθειας. Η δημιουργία αξιόπιστων συστημάτων διάγνωσης με τη
βοήθεια του υπολογιστή και της Βαθιάς Μάθησης είναι σημαντική βοήθεια για τον ιατρικό
κόσμο, ώστε η διάγνωση να είναι ταχύτερη και ευκολότερη, και μάλιστα χωρίς να
απαιτείται θεωρητικό και τεχνητό υπόβαθρο για τα Τεχνητά Νευρωνικά Δίκτυα.
Σκοπός της παρούσας διπλωματικής εργασίας είναι η υλοποίηση Πολυεπίπεδων
Perceptrons με την χρήση της γλώσσας προγραμματισμού Python και της βιβλιοθήκης
Keras για τη διάγνωση καρκίνου του μαστού, με βάση σύνολο δεδομένων του Ουισκόνσιν
(Wisconsin Breast Cancer Diagnostic -WBCD) που διατίθεται στο αποθετήριο Μηχανικής
Μάθησης UCI . | el |
| dc.format.extent | 180 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Υλοποίηση πολυεπίπεδων perceptrons για διάγνωση καρκίνου του μαστού | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | Artificial Neural Networks, which are the core of Deep Learning, find
application in solving complex problems in a wide range of applications, such as
the medical diagnosis of cancer diseases. Breast cancer is the first
cause of cancer in women. To improve the long-term survival rate for
patients, the key factors are early detection and accurate diagnosis
for the existence of malignancy. Creating reliable diagnostic systems with
Computer help and Deep Learning is important medical help
so that the diagnosis is faster and easier, and even without
Theoretical and artificial background is required for Artificial Neural Networks.
The purpose of this dissertation is the implementation of Multilevel
Perceptrons using the Python programming language and the library
Keras for the diagnosis of breast cancer, based on the Wisconsin dataset
(Wisconsin Breast Cancer Diagnostic -WBCD) available in the Engineering repository
UCI Learning. | el |
| dc.contributor.master | Πληροφοριακά Συστήματα και Υπηρεσίες | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.subject.keyword | Βαθιά μάθηση | el |
| dc.subject.keyword | Πολυεπίπεδα perceptrons | el |
| dc.subject.keyword | Καρκίνος μαστού | el |
| dc.subject.keyword | WDBC | el |
| dc.subject.keyword | Ταξινόμηση | el |
| dc.subject.keyword | Επαναλήψεις | el |
| dc.subject.keyword | Οπισθόδρομη / πρόσθια τροφοδότηση | el |
| dc.subject.keyword | Keras | el |
| dc.date.defense | 2021-06-30 | |
