Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/33038Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Μπανταλούκας-Αρτζμάντ, Αλέξανδρος | el |
| dc.contributor.author | Bantaloukas-Arjmand, Alexandros | en |
| dc.date.accessioned | 2023-08-24T06:51:28Z | - |
| dc.date.available | 2023-08-24T06:51:28Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/33038 | - |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.12837 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Ψηφιακή παθολογία | el |
| dc.subject | Ιατρική απεικόνιση | el |
| dc.subject | Ψηφιακή επεξεργασία εικόνας | el |
| dc.subject | Κατάτμηση εικόνας | el |
| dc.subject | Μηχανική μάθηση | el |
| dc.subject | Βαθιά μάθηση | el |
| dc.title | Τεχνικές ψηφιακής επεξεργασίας εικόνας για την ανάλυση μικροσκοπικής απεικόνισης ιστοπαθολογίας | el |
| dc.title | Digital image processing techniques for the analysis of microscopic histopathology imaging | en |
| dc.type | doctoralThesis | en |
| heal.type | doctoralThesis | - |
| heal.type.en | Doctoral thesis | en |
| heal.type.el | Διδακτορική διατριβή | el |
| heal.classification | Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική | - |
| heal.classification | Βιοϊατρική Μηχανική | - |
| heal.dateAvailable | 2023-08-24T06:52:29Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Τμήμα Πληροφορικής και Τηλεπικοινωνιών, Σχολή Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήμιο Ιωαννίνων | el |
| heal.recordProvider | Department of Informatics and Telecommunications, School of Informatics and Telecommunications, University of Ioannina | en |
| heal.publicationDate | 2023-07-20 | - |
| heal.bibliographicCitation | Μπανταλούκας-Αρτζμάντ, Αλέξανδρος. Τεχνικές Ψηφιακής Επεξεργασίας Εικόνας για την Ανάλυση Μικροσκοπικής Απεικόνισης Ιστοπαθολογίας. Διδακτορική διατριβή. Πανεπιστήμιο Ιωαννίνων, 2023. | el |
| heal.bibliographicCitation | Bantaloukas-Arjmand, Alexandros. Digital Image Processing Techniques for the Analysis of Microscopic Histopathology Imaging. PhD thesis. University of Ioannina, 2023. | en |
| heal.abstract | Η βιοψία είναι η εξέταση η οποία δίδει την πλήρη εικόνα της παθολογικής κατάστασης των ιστών του ασθενούς και αποτελεί βασικό παράγοντα για τον καθορισμό της επακόλουθης θεραπείας της νόσου. Αυτό έχει οδηγήσει στη ανάδειξη ενός σχετικά νέου τομέα έρευνας, με σημαντική ανάπτυξη τα τελευταία χρόνια, με επίκεντρο την αξιολόγηση των ιστολογικών ευρημάτων με βάση τους ψηφιακούς μικροσκοπικούς σαρωτές. Κύριος στόχος του είναι η επεξεργασία εικόνων από δείγματα βιοψίας για την ακριβή ποσοτική τους ανάλυση και τη δυνατότητα λήψης έγκυρων διαγνωστικών αποφάσεων. Κατά συνέπεια, οι ιατροί αποφαίνονται αν η πάθηση είναι φαρμακευτικά ιάσιμη ή εάν κάποιο όργανο πρέπει να αφαιρεθεί ή να αντικατασταθεί με μόσχευμα. Στόχος του διδακτορικού είναι η εφαρμογή σύγχρονων τεχνικών ανάλυσης εικόνας για την ακριβή ποσοτική αξιολόγηση της εξάπλωσης ασθενικών ευρημάτων σε μικροσκοπικά δείγματα βιοψίας ήπατος, παγκρέατος και νεφρών και η μείωση των διαγνωστικών σφαλμάτων που προκύπτουν από τις ημιποσοτικές οπτικές αξιολογήσεις των κλινικών ιατρών. Η συγκεκριμένη κατεύθυνση οδήγησε στην υλοποίηση καινοτόμων μεθοδολογιών υπολογιστικής όρασης για την ποσοτική αξιολόγηση της συσσώρευσης λίπους σε ψηφιοποιημένα ιστολογικά δείγματα βιοψίας από ασθενείς με μη-αλκοολική λιπώδη ηπατική νόσο και μη-αλκοολική λιπώδη παγκρεατική νόσο. Τα ευρήματα των αυτοματοποιημένων εργαλείων δείχνουν μικρή διαγνωστική απόκλιση από τις ημιποσοτικές εκτιμήσεις ειδικών ιστοπαθολόγων, τονίζοντας την αξιοπιστία τους και την αναγκαιότητα υιοθέτησής τους στην σύγχρονη κλινική πρακτική. Και οι δύο παραπάνω παθήσεις, μπορούν να οδηγήσουν σε μη-αναστρέψιμες επιπλοκές και να αυξήσουν τον κίνδυνο ανάπτυξης καρκίνου και μετάστασης σε άλλα όργανα. Χαρακτηριστικό παράδειγμα κακοήθους διήθησης είναι το διαυγοκυτταρικό νεφρικό καρκίνωμα (ccRCC), ο πιο διαδεδομένος καρκίνος του ουροποιητικού συστήματος. Στο πλαίσιο της διδακτορικής έρευνας, αναπτύχθηκε μια μεθοδολογία για τον εντοπισμό κυτταρικών ανωμαλιών σε εικόνες βιοψίας νεφρού που συμβάλουν στην εξέλιξη του ccRCC σύμφωνα με το σύστημα βαθμολόγησης Fuhrman. Με βάση αυτή την έρευνα, σε μια επόμενη μεταδιδακτορική φάση, το διαγνωστικό σύστημα θα χρησιμοποιηθεί περαιτέρω για την εκτέλεση βαθμολόγησης των ανιχνευόμενων δομών για τη σταδιοποίηση κατά Fuhrman του ccRCC. | el |
| heal.abstract | The biopsy is the examination that gives the full picture of the pathological state of the patient’s tissues and is a key factor in determining the subsequent treatment of the disease. This has led to the emergence of a relatively new field of research, with significant growth in recent years, focusing on the evaluation of histological findings via digital microscopic scanners. Its primary objective is the processing of biopsy sample images for their accurate quantitative analysis and the possibility of making valid diagnostic decisions. Consequently, doctors decide whether the condition is pharmacologically treatable or whether an organ needs to be removed or replaced with a transplant. The aim of this PhD is to apply modern image analysis techniques for the accurate quantitative evaluation of the spread of pathological findings in microscopic liver, pancreatic and kidney biopsy samples and to reduce diagnostic errors resulting from clinicians’ semi-quantitative visual estimates. This direction has led to the implementation of novel computer vision methodologies for the quantitative measurement of fat accumulation in digitized histological biopsy samples from patients with non-alcoholic fatty liver disease and non-alcoholic fatty pancreas disease. The findings of the automated tools show little diagnostic deviation from the semi-quantitative assessments of expert histopathologists, emphasizing their reliability and the necessity of adopting them in modern clinical practice. Both the above conditions, can lead to irreversible complications and increase the risk of cancer development and metastasis to other organs. A typical example of malignant infiltration is clear cell renal cell carcinoma (ccRCC), the most common cancer of the urinary system. In the context of the doctoral research, a methodology was developed for the detection of cellular abnormalities in kidney biopsy images that contribute to the progression of ccRCC according to the Fuhrman scoring system. Based on this research, in a subsequent postdoctoral phase, the diagnostic system will be further used to perform the grading of detected structures for the Fuhrman staging of ccRCC. | en |
| heal.advisorName | Τζάλλας, Αλέξανδρος | el |
| heal.committeeMemberName | Τζάλλας, Αλέξανδρος | el |
| heal.committeeMemberName | Γλαβάς, Ευριπίδης | el |
| heal.committeeMemberName | Γκόγκος, Χρήστος | el |
| heal.committeeMemberName | Γιαννακέας, Νικόλαος | el |
| heal.committeeMemberName | Καρβέλης, Πέτρος | el |
| heal.committeeMemberName | Τσίπουρας, Μάρκος | el |
| heal.committeeMemberName | Αστρακάς, Λουκάς | el |
| heal.academicPublisher | Τμήμα Πληροφορικής και Τηλεπικοινωνιών, Σχολή Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήμιο Ιωαννίνων | el |
| heal.academicPublisher | Department of Informatics and Telecommunications, School of Informatics and Telecommunications, University of Ioannina | en |
| heal.academicPublisherID | uoi | - |
| heal.numberOfPages | 205 | - |
| heal.fullTextAvailability | true | - |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Διδακτορικές Διατριβές - ΤΠΤ | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Δ.Δ. Μπανταλούκας-Αρτζμάντ Αλέξανδρος (2023).pdf | 11.2 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
