Ατοµική ιπλωµατική Εργασία ΑΥΤΟΜΑΤΟΠΟΙΗΜΕΝΗ ΠΟΣΟΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΙΣΤΟΛΟΓΙΚΩΝ ΕΙΚΟΝΩΝ ΑΠΟ ΦΥΣΙΟΛΟΓΙΚΟΥΣ ΚΑΙ ΥΣΠΛΑΣΤΙΚΟΥΣ ΣΠΙΛΟΥΣ. Αυγούστα Κυριακίδου

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Ατοµική ιπλωµατική Εργασία ΑΥΤΟΜΑΤΟΠΟΙΗΜΕΝΗ ΠΟΣΟΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΙΣΤΟΛΟΓΙΚΩΝ ΕΙΚΟΝΩΝ ΑΠΟ ΦΥΣΙΟΛΟΓΙΚΟΥΣ ΚΑΙ ΥΣΠΛΑΣΤΙΚΟΥΣ ΣΠΙΛΟΥΣ. Αυγούστα Κυριακίδου"

Transcript

1 Ατοµική ιπλωµατική Εργασία ΑΥΤΟΜΑΤΟΠΟΙΗΜΕΝΗ ΠΟΣΟΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΙΣΤΟΛΟΓΙΚΩΝ ΕΙΚΟΝΩΝ ΑΠΟ ΦΥΣΙΟΛΟΓΙΚΟΥΣ ΚΑΙ ΥΣΠΛΑΣΤΙΚΟΥΣ ΣΠΙΛΟΥΣ Αυγούστα Κυριακίδου ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Ιούνιος 2005

2 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΑΥΤΟΜΑΤΟΠΟΙΗΜΕΝΗ ΠΟΣΟΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΙΣΤΟΛΟΓΙΚΩΝ ΕΙΚΟΝΩΝ ΑΠΟ ΦΥΣΙΟΛΟΓΙΚΟΥΣ ΚΑΙ ΥΣΠΛΑΣΤΙΚΟΥΣ ΣΠΙΛΟΥΣ Αυγούστα Κυριακίδου Ελπίδα Κεραυνού Κωνσταντίνος Πίτρης Η Ατοµική αυτή ιπλωµατική Εργασία υποβλήθηκε προς µερική εκπλήρωση των απαιτήσεων απόκτησης του πτυχίου Πληροφορικής του Τµήµατος Πληροφορικής του Πανεπιστηµίου Κύπρου Ιούνιος 2005

3 Ευχαριστίες Θα ήθελα να πώ ένα µεγάλο ευχαριστώ σε δύο ανθρώπους που έπαιξαν πολύ σηµαντικό ρόλο στην οργάνωση και διεκπεραίωση αυτής της διπλωµατικής. Στον ρ. Κωνσταντίνο Πίτρη και στην Αντιπρύτανη ρ. Ελπίδα Κεραυνού, οι οποίοι ήταν οι σύµβουλοι µου. Με καθοδήγησαν, µε στήριξαν και µε συµβούλευσαν. Ήταν δίπλα µου καθόλη την διάρκεια και πάντα έτοιµοι να µε βοηθήσουν σε οτιδήποτε χρειαζόµουν. Σας ευχαριστώ για την υπέροχη συνεργασία, αλλά και για το γεγονός ότι πιστέψατε στις δυνατότητες και γνώσεις µου και κυρίως ότι µε εκτιµήσατε σαν άνθρωπο. Με κάνατε να νιώσω ότι αξίζω και ότι µπορώ να τα καταφέρω. Ευχαριστώ που µε κάνατε να καταλάβω, ότι σε αυτή την κοινωνία που ζούµε σήµερα, υπάρχουν ακόµα άνθρωποι! Ένα µεγάλο ευχαριστώ αξίζει, στον ξάδελφο µου και γιατρό, ρ. Κύπρο ηµοσθένους, ο οποίος µου παραχώρησε το αναγκαίο ιστοπαθολογικό υλικό που χρειαζόµουνα για να συµπληρωθεί αυτή η διπλωµατική. Τον ευχαριστώ, για τις ατελείωτες ώρες που µιλούσε στο τηλέφωνο µαζί µου, προσπαθώντας να µε ηρεµίσει και να µου δώσει να καταλάβω ότι τίποτα στην ζωή, δεν πετυχαίνει κανείς µε το άγχος. Αφιερώνω αυτή την διπλωµατική, η οποία δηµιουργήθηκε µε πολύ κόπο και κούραση, στους γονείς µου, στις αδελφές µου Εύη και Μαρία και σε ένα πολύ ξεχωριστό πρόσωπο τον Γιάννη Ζαχαρουδιού. Αυτοί, ήταν οι άνθρωποι που µε στήριξαν σε κάθε δυσκολία από την αρχή του πανεπιστηµίου µέχρι τέλους, που ήταν δίπλα µου και µου αναπτέρωναν το ηθικό, που µου έδιναν δύναµη να συνεχίσω όταν όλα φαίνονταν µάταια και που µε αγαπούσαν και µε αγαπούν χωρίς όρους και ανταλλάγµατα. Επίσης, δεν µπορώ να ξεχάσω τον καθηγητή ρ. Γιαννάκη Σαζείδη, του οποίου οι συµβουλές ήταν ανεκτίµητες για µένα, καθ όλη την διάρκεια του πανεπιστηµίου. Τελειώνοντας, δεν µπορώ να µην αναφέρω κάποιους πολύ αγαπητούς φίλους και συµφοιτητές, την Ρίτσα Πήττα, την έσπω Όθωνος, τον Μάριο Παναγίδη, την Μαρία Χριστοφή και την Γεωργία Κωνσταντίνου για όλες τις ωραίες στιγµές που περάσαµε µαζί. Σας ευχαριστώ που είσαστε φίλοι µου και ελπίζω η φιλία µας, να κρατήσει και µετά το τέλος του πανεπιστηµίου όταν ο καθένας πλέον θα πάρει τον δρόµο του. Στο τέλος της ηµέρας, εύχοµαι να θυµόµαστε τις ωραίες στιγµές που περνούσαµε στα εργαστήρια.:) i

4 Περίληψη Το µελάνωµα αποτελεί την πιο επιθετική µορφή καρκίνου του δέρµατος και την πιο ραγδαία αυξανόµενη. Ένας µεγάλος αριθµός κρουσµάτων µελανώµατος πιστεύεται ότι ξεκινά από δυσπλαστικούς σπίλους. Το σηµείο κλειδί όσον αφορά στην θεραπεία του µελανώµατος αλλά και των δυσπλαστικών σπίλων αποτελεί µέχρι σήµερα η καλή πρόληψη. Σκοπός της διπλωµατικής αυτής, είναι η δηµιουργία ενός αυτοµατοποιηµένου διαγνωστικού αλγορίθµου, ο οποίος θα προσδιορίζει αυτόµατα και ποσοτικά τις κυτταρολογικές αλλαγές σε δυσπλαστικούς σπίλους. Θα βοηθά µε αυτό τον τρόπο στην γρηγορότερη και πιο αποδοτική αξιολόγηση της ιστοπαθολογικής εξέτασης µετά από βιοψία, που αποτελεί σήµερα την µόνη αποδεκτή µέθοδο διάγνωσης της δυσπλασίας. Η κατάτµηση ιστοπαθολογικών εικόνων είναι ένα πολύτιµο και σηµαντικό εργαλείο στην ιατρική, αφού ο ρόλος της είναι κρίσιµος σε πολλές ιατρικές εφαρµογές. Για τους σκοπούς αυτής της διπλωµατικής, χρησιµοποιήθηκε ένας συνδυασµός φίλτρων, κατωφλίωσης και µετασχηµατισµού απορροής. Με την βοήθεια αυτών των αλγορίθµων έγινε η εξαγωγή µετρήσεων από µια σειρά χαρακτηριστικών των πυρήνων που περιλάµβαναν το εµβαδόν, εκκεντρικότητα, συµπάγεια, απόσταση από άλλους πυρήνες και ένταση. Ακολούθως, έγινε σύγκριση µεταξύ των µετρήσεων από δυσπλαστικά και φυσιολογικά δείγµατα µε την χρήση ελέγχου t (t-test.) Με ανάλυση MANOVA δηµιουργήθηκε η συνάρτηση µε την οποία διαχωρίστηκαν οι δυσπλαστικές από τις φυσιολογικές περιοχές. Καθορίστηκε επίσης η ευαισθησία και ειδικότητα του αλγορίθµου. Παρατηρήθηκε ότι µε τον αλγόριθµο που έχει δηµιουργηθεί, οι φυσιολογικές από τις δυσπλαστικές περιοχές ξεχωρίζουν πολύ καλά, µε ευαισθησία και ειδικότητα 87.5% και 94.6% ή 100% και 69.6%, αντίστοιχα. Οι δυνατότητες που προσφέρει η αυτοµατοποιηµένη διάγνωση στον τοµέα της ιατρικής είναι πάρα πολλές και η χρησιµότητα της µεγάλη. Εξοικονοµεί πολύτιµο χρόνο στον γιατρό, αφού το µόνο που έχει να κάνει είναι να περάσει τις ιστοπαθολογικές εικόνες από τον αλγόριθµο και να ελέγξει αυτές που καθορίζονται ως δυσπλαστικές. Μπορεί ακόµα, να αναγνωρίσει ήπιες µορφές δυσπλασίας, µε αποτέλεσµα να προληφθεί η πιθανότητα εξέλιξης σε βαριά µορφή δυσπλασίας ή µελάνωµα. Ο αλγόριθµος που περιγράφεται σε αυτή τη διπλωµατική είναι ακόµα ένα βήµα προς αυτή την κατεύθυνση. ii

5 Περιεχόµενα Κεφάλαιο 1 Κεφάλαιο 2 Κεφάλαιο 3 Εισαγωγή Μελάνωµα και υσπλαστικοί σπίλοι Στατιστικά Στοιχεία Η σχέση του Μελανώµατος µε τους υσπλαστικούς Σπίλους Σηµασία της Έγκαιρης ιάγνωσης Θεραπεία Μελανώµατος και υσπλαστικών Σπίλων ιπλωµατική Εργασία 9 Κατάτµηση Ιστοπαθολογικών Εικόνων Εισαγωγή Επεξήγηση Ορισµών Μέθοδοι που χρησιµοποιήθηκαν µέχρι τώρα 13 Επεξήγηση Κώδικα Εισαγωγή Αλγόριθµοι Σκοπός Αλγορίθµου Στάδια υλοποίησης Αλγόριθµοι που δοκιµάσθηκαν Επεξήγηση Μεθόδων 37 Κεφάλαιο 4 Εξαγωγή και Σύγκριση Στατιστικών Εισαγωγή Αποτελέσµατα Φυσιολογικών Σπίλων Αποτελέσµατα υσπλαστικών Σπίλων Σύγκριση Αποτελεσµάτων 63 Κεφάλαιο 5 Συµπεράσµατα και Μελλοντικές Κατευθύνσεις Εισαγωγή Βελτίωση των Αλγορίθµων στο Μέλλον Βελτίωση ιάγνωσης στο Μέλλον Επίλογος 70 Βιβλιογραφία Παράρτηµα Α.....Α-1 iii

6 Κεφάλαιο 1. Εισαγωγή 1.1 Μελάνωµα και υσπλαστικοί σπίλοι Στατιστικά Στοιχεία Η σχέση του Μελανώµατος µε τους υσπλαστικούς Σπίλους Σηµασία της Έγκαιρης ιάγνωσης Θεραπεία Μελανώµατος και υσπλαστικών Σπίλων ιπλωµατική Εργασία Μελάνωµα και υσπλαστικοί σπίλοι Το µελάνωµα αποτελεί την πιο επιθετική µορφή καρκίνου του δέρµατος και την πιο ραγδαία αυξανόµενη. Μπορεί να αναπτυχθεί, είτε από προϋπάρχοντες σπίλους του δέρµατος, είτε de novo (εκ νέου), από ένα είδος κυττάρου της επιδερµίδας το µελανινοκύτταρο. Κυριότεροι παράγοντες κινδύνου για την ανάπτυξη του είναι : Ύπαρξη πολλών ευµεγεθών σπίλων. Ύπαρξη δυσπλαστικών σπίλων. Λευκή επιδερµίδα ευπαθή σε ηλιακά εγκαύµατα. Θετικό οικογενειακό ιστορικό για µελάνωµα. Το πρωιµότερο στάδιο µελανώµατος αποτελεί το µελάνωµα in situ (επί τόπου), το οποίο αν δεν υποστρέψει, εξελίσσεται σε µικροδιηθητικό (επιθετικότερο). Ακολούθως ένα ακόµα µικρότερο ποσοστό εξελίσσεται σε µελάνωµα οριζόντιας φάσης ανάπτυξης, ενώ καταλήγει, µετά µακρά πορεία, σε µελάνωµα µε κάθετη φάση ανάπτυξης. Η κάθετη φάση ανάπτυξης, είναι και η πιο επικίνδυνη, αφού είναι αυτή που προκαλεί τις µεταστάσεις στα διάφορα µέρη του σώµατος [1,10].Ένα παράδειγµα διηθητικού µελανώµατος φαίνεται στο σχήµα

7 Σχήµα 1.1 ερµοσκοπική εικόνα διηθητικού µελανώµατος [9] 1.2 Στατιστικά στοιχεία Τα τελευταία σαράντα χρόνια, το µελάνωµα παρουσιάζει τροµακτική αύξηση στην Κύπρο, καθώς η συχνότητα του αυξήθηκε κατά 800 φορές, ενώ η πιθανότητα για να αναπτύξει ο µέσος Κύπριος µελάνωµα καθ όλη την διάρκεια της ζωής του, από 1/2.500 που ήταν το 1950 σήµερα είναι 1/100 [3]. Σύµφωνα µε διετή έρευνα που διεξήχθη παγκυπρίως και στην οποία εξετάσθηκαν πέραν των 1200 ατόµων άνω των 50 ετών, παρατηρήθηκε ότι η συχνότητα καρκίνου του δέρµατος σε άτοµα άνω των 50 ετών είναι 6,5%, ενώ οι προκαρκινικές βλάβες ανέρχονται στο 35% των εξετασθέντων [4]. Από την έρευνα αυτή προκύπτει ότι το 7,6% των περιστατικών καρκίνου του δέρµατος αφορούν µελάνωµα στους άνδρες και το 5,5% στις γυναίκες. Αυτό εξηγείται από το γεγονός ότι οι άνδρες εκτίθενται περισσότερο στην ηλιακή ακτινοβολία, ίσως και λόγω επαγγέλµατος, σε αντίθεση µε τις γυναίκες που προστατεύονται περισσότερο από τον ήλιο. Βάσει στατιστικών στοιχείων, σήµερα, το 1/3 όλων των καρκίνων αφορά καρκίνους του δέρµατος, ενώ τα κακοήθη µελανώµατα, τα οποία αντιπροσωπεύουν το 1.2% του συνόλου των καρκίνων του δέρµατος µε νέες περιπτώσεις ετησίως, αποτελούν την χειρότερη µορφή καρκίνου [3]. Ο ήλιος ευθύνεται για το 90% όλων των δερµατικών καρκίνων, ενώ παγκόσµια επιδηµιολογικά στοιχεία δείχνουν ετήσια αύξηση της τάξεως των περιστατικών κακοήθους µελανώµατος. Έρευνες που διεξήχθησαν ανά το παγκόσµιο, κατά τις οποίες εξετάσθηκαν 5 οµάδες ατόµων µε ηλικίες 0-14, 15-44, 45 54, 55-64, 65 και άνω και διαφορετικού φύλου, έδειξαν ότι ο ρυθµός αύξησης των καρκίνων του δέρµατος και ιδιαίτερα του µελανώµατος, όπως και η θνησιµότητα διαφέρει από χώρα σε χώρα, αφού σηµαντικό ρόλο διαδραµατίζει η ποιότητα ιατρικής περίθαλψης αλλά ακόµα και η ηλιακή 2

8 ακτινοβολία [2]. Τα επίπεδα θνησιµότητας από καρκίνους σε διάφορες χώρες του κόσµου, σύµφωνα µε τις πιο πάνω έρευνες, φαίνονται στους Πίνακες ( 1.1 και 1.2). Πίνακας 1.1 Εκτίµηση 5ετούς επιβίωσης µε µελάνωµα κατά περιοχή [2] Περιοχή Αυστραλία/ Νέα Ζηλανδία Προβλεπόµενη πενταετής επιβίωση (%) Προβλεπόµενη πενταετής επιβίωση Βόρεια Αµερική 78 Βορειοδυτική Ευρώπη 74 Νότια Ευρώπη 70 Ανατολική Ευρώπη 55 Ιαπωνία 40 Κίνα 44 Ασία 61 Αναπτυγµένες χώρες 73 Αναπτυσσόµενες χώρες Πίνακας 1.2 Εκτίµηση νέων περιπτώσεων και θανάτων από µελάνωµα παγκοσµίως [2]. Νέες περιπτώσεις Θάνατοι Αριθµός σε χιλιάδες (%) Άνδρες 50 (1.2) Γυναίκες 55 (1.5) Και τα δύο 106 (1.3) Άνδρες 17 (0.6) Γυναίκες 16 (0.7) Και τα δύο 33 (0.6) 3

9 1.3 Η σχέση του µελανώµατος µε τους δυσπλαστικούς σπίλους Ένας µεγάλος αριθµός κρουσµάτων µελανώµατος πιστεύεται ότι ξεκινά από δυσπλαστικούς σπίλους. Οι σπίλοι, όπως και το µελάνωµα, αποτελούν εξεργασίες του δέρµατος, οι οποίες προέρχονται από ένα είδος κυττάρων της επιδερµίδας, τα µελανοκύτταρα. Οι σπίλοι παρόλο που έχουν ουσιαστικά καλοήθη χαρακτήρα, παρουσιάζουν και ορισµένα ιστολογικά χαρακτηριστικά κοινά µε το µελάνωµα. Αυτά τα χαρακτηριστικά, όπως και το γεγονός ότι σε κάποια φάση για να δηµιουργηθούν οι σπίλοι έχουν επιδείξει έντονη υπερπλασία των µελανοκυττάρων (που δεν συνεχίστηκε όπως στον καρκίνο) µέσα από την επίδραση άγνωστου ερεθίσµατος, θα µπορούσε να τους κατατάξουν στις εν δυνάµει νεοπλασίες [1, 10]. υσπλαστικοί σπίλοι είναι επίκτητες κεχρωσµένες (pigmented) δερµατικές αλλοιώσεις, που εµφανίζονται κυρίως στους νεαρούς ενήλικες και σπανιότερα στην προεφηβική περίοδο, σε όλο το σώµα, ακόµα και σε περιοχές που δεν εκτείθονται στην ηλιακή ακτινοβολία, όµως συχνότερα στον κορµό (κυρίως άνω ράχη). Πραγµατικά, αν και οι σπίλοι και το µελάνωµα δεν είναι απαραίτητο να συνδέονται, ο δυσπλαστικός σπίλος µε άτυπα κλινικά και ιστολογικά χαρακτηριστικά αποτελεί, βάσει επιδηµιολογικών δεδοµένων, µια αλλοίωση µε αυξηµένη πιθανότητα να εξελιχθεί σε µελάνωµα [1,10]. Ο δυσπλαστικός σπίλος διακρίνεται από συγκεκριµένα κλινικά χαρακτηριστικά, που περιλαµβάνουν: A. Asymmetry Ασυµµετρία της Αλλοίωσης B. Border Irregularity Ασαφή και ακανόνιστα όρια. Τα όρια τους είναι ελαφρώς ακανόνιστα, ασαφή και µη ψηλαφητά. C. Color Variation Ποικιλοχρωµία. Είναι κηλιδώδεις αλλοιώσεις που ίσως εµφανίζουν µια κεντρική βλατίδα. Εµφανίζουν ποικιλότητα στο χρώµα, συνήθως από καφέ σε µαύρο ακόµη όµως και ροζ-κόκκινο χρώµα. D. Diameter Αυξηµένη διάµετρο (>=6mm) E. Elevation ιόγκωση πάνω από την επιφάνεια του δέρµατος. Αυτά τα χαρακτηριστικά βοηθούν τον κλινικό να ανιχνεύσει τους δυσπλαστικούς σπίλους καθώς και το µελάνωµα στις αρχικές φάσεις, συνήθως στην οριζόντια φάση ανάπτυξης [1, 10]. Το γεγονός ότι τα πιο πάνω κριτήρια δεν γίνονται καθολικώς αποδεκτά, καθιστά την διάγνωση φτωχή και µη επαρκή σε ορισµένες περιπτώσεις. Σε αυτές τις περιπτώσεις, 4

10 η παρακολούθηση βασίζεται κυρίως στον οπτικό έλεγχο κάθε ύποπτης περιοχής για σηµεία ατυπίας και επηρεάζεται άµεσα από την εµπειρία του γιατρού [5]. Μια διαγνωστική τεχνική που θα µπορούσε να προσδιορίσει εστίες δυσπλασίας σε σπίλους, θα ήταν ένα σηµαντικό εργαλείο για επακριβή παρακολούθηση ασθενών µε πολλαπλούς και/ή µεγάλους άτυπους σπίλους και θα βοηθούσε στη βελτίωση των αποτελεσµάτων της θεραπείας µε πρώιµο και έγκαιρο προσδιορισµό της δυσπλασίας και του µελανώµατος. Η όλη σηµασία της διάγνωσης του δυσπλαστικού σπίλου έγκειται στον κίνδυνο εξέλιξης σε µελάνωµα, ο οποίος και αυξάνεται όταν συνυπάρχουν τα εξής χαρακτηριστικά : Θετικό οικογενειακό ιστορικό για το µελάνωµα. Μεγάλη έκθεση στον ήλιο. Ύπαρξη µεγάλου αριθµού σπίλων σε συγκεκριµένο άτοµο. Το σύνδροµο του δυσπλαστικού σπίλου. Όταν δηλαδή ισχύει η εξής τριάδα : 1. Υπάρχουν περισσότεροι από 100 σπίλοι. 2. Ένας τουλάχιστον είναι µεγαλύτερος ή ίσος από οχτώ µιλίµετρα (>=8). 3. Ένας τουλάχιστον είναι µε άτυπα κλινικά χαρακτηριστικά [1, 10]. Σχήµα 1.2 Κλινικά χαρακτηριστικά άτυπων σπίλων. (Α & Β) Συνήθεις σπίλοι, (C & D) άτυποι σπίλοι [5]. Οι τεχνολογίες για διάγνωση της δυσπλασίας, της πολύ πρώιµης µορφής κακοήθους µετασχηµατισµού, που υπάρχουν σήµερα, όπως η δερµατοσκοπία, 5

11 τοµογραφία οπτικής συνοχής, οµοεστιακή µικροσκόπηση, κλπ, δεν έχουν βρει κλινική απήχηση λόγω προβληµάτων είτε µε την ακρίβεια ή µε την πρακτική εφαρµογή τους [5]. Στην δερµατοσκοπία, που είναι και η πιο ανεπτυγµένη από αυτές τις τεχνικές, χρησιµοποιούνται µίγµα λαδιού και οπτική µεγέθυνση για να κάνουν την επιδερµίδα ευδιάκριτη, ούτως ώστε δοµές του δέρµατος που δεν είναι ορατές µε γυµνό µάτι υπό κανονικές συνθήκες, να µπορούν να µελετηθούν. Η χρήση της τεχνικής αυτής έχει προταθεί ως µέσο διαχωρισµού των µελανωτικών από τα µη µελανωτικά κεχρωσµένα τµήµατα και έχει παρατηρηθεί ότι βελτιώνει, σχετικά, τον αριθµό των σωστών διαγνώσεων, σε αντίθεση µε την κλινική εξέταση. 1.4 Σηµασία της έγκαιρης διάγνωσης Είναι υψίστης σηµασίας να µπορούµε να διαγνώσουµε το µελάνωµα εγκαίρως, δηλαδή στην πρώιµη φάση ανάπτυξης (οριζόντια φάση), διότι αν αυτό παρουσιάσει κάθετη συνιστώσα ανάπτυξης, µεθίσταται και η διάγνωση είναι πολύ χειρότερη, αφού οι διαδοχικές µεταστάσεις που προκύπτουν µπορούν να επηρεάσουν καταστροφικά οποιοδήποτε όργανο[1,10]. Σε αντίθεση µε το πρώιµο µελάνωµα, το οποίο µπορεί µε επιτυχία να θεραπευτεί (µε χειρουργική επέµβαση), το µεταστατικό µελάνωµα παρουσιάζει αυξηµένες δυσκολίες πρόγνωσης. Όπως έχει παρατηρηθεί, µόνο σε ένα ποσοστό % ασθενών µε µετάσταση σε παραπλήσιους λυµφαδένες, δίνεται χρόνος ζωής µέχρι 5 χρόνια [6]. Ακόµη λιγότερος είναι ο χρόνος ζωής σε ασθενείς µε αιµατογενή µετάσταση. Η διάγνωση συνήθως γίνεται µε παθολογική εξέταση µιας αλλοιωµένης περιοχής του δέρµατος που έχει αφαιρεθεί (βιοψία). Ανάλογα µε το πόσο βαθιά έχει εισχωρήσει ο όγκος στο δέρµα καθορίζεται και το πόσο επιθετικός είναι [6]. Σε µια προσπάθεια να τυποποιηθεί η διάγνωση της δυσπλασίας σε σπίλους, µια επιτροπή ιστοπαθολόγων κατέληξε σε ένα σύνολο δοµικών και κυτταρολογικών κριτηρίων για τη διάγνωση δυσπλαστικών σπίλων. Καθορίστηκαν δύο κύρια και τέσσερα δευτερεύοντα κριτήρια. Η διάγνωση απαιτεί την παρουσία και των δύο κύριων κριτηρίων και τουλάχιστον δύο δευτερευόντων [7]. Κυτταρολογικά χαρακτηριστικά µπορούν επίσης να χρησιµοποιηθούν ως κριτήρια για καθορισµό ατυπίας σε µελανοκύτταρα [8]. Τα ιστοπαθολογικά κριτήρια, καθώς επίσης και τα κυτταρολογικά χαρακτηριστικά της δυσπλασίας παρουσιάζονται στους Πίνακες 1.4 και 1.5 αντίστοιχα. 6

12 Σχήµα 1. 3 Ιστοπαθολογική εικόνα σπίλου µε όλα τα ιστοπαθολογικά κριτήρια [5]. Πίνακας 1.4 Ιστοπαθολογικά Κριτήρια της δυσπλασίας Κύρια Κριτήρια ευτερεύοντα κριτήρια (τουλάχιστον δύο) Βασικός πολλαπλασιασµός άτυπων µελανοκυττάρων, εκτεινόµενος µέχρι και τρεις δερµατικές πτυχώσεις(rete ridges) Ενδοεπιδερµική µελανοκυτταρική ανάπτυξη (φακοειδής ή επιθηλιοειδής ) Οµόκεντρη ηνωσιναφιλική ίνωση που συµπεριλαµβάνει τις δερµατικές πτυχώσεις(rete ridges) ή πεταλλιώδης ινωπλασία κάτω από αυτές τις πτυχώσεις Νέο-αγγειοπλασία Φλεγµονώδες αντίδραση του δέρµατος Συµβολή των δερµατικών πτυχώσεων(rete ridges), λόγω συρροής παρακείµενων εστιών µελανοκυττάρων 7

13 Πίνακας 1.5 Κυτταρολογικά χαρακτηριστικά της δυσπλασίας[8] Χαρακτηριστικό Καθόλου Ελάχιστη Μερική Σοβαρή Μέγεθος πυρήνα ιακυµάνσεις στο σχήµα και µέγεθος του πυρήνα < του πυρήνα του βασικού κερατινοκυττάρου (1/2 2/3) Παρόµοιο µε του πυρήνα του βασικού κερατινοκυττάρου 1-1 ½ φορές τον πυρήνα βασικού κερατινοκυττάρου >= ύο φορές τον πυρήνα βασικού κερατινοκυττάρου Ελάχιστες Σηµαντικές Σηµαντικές Σηµαντικές(κάποιοι πυρήνες είναι τουλάχιστον δύο φορές πιο µεγάλοι από τους άλλους) Χρωµατίνη Οµοιογενής Συµπυκνωµένη Συµπυκνωµένη ή διασκορπισµένη Πυρηνίσκος Μη ορατό Μη ορατό ή ορατό αλλά µη εµφανές Κυτταρόπλασµα Μη ορατό Μη ορατό ή αρκετό Μη ορατό ή ορατό αλλά µη εµφανές Μη ορατό ή αρκετό ή άφθονο Υπερχρωµατισµός ή διασκορπισµένη Εµφανής και συχνά πορφυρός Αρκετό ή άφθονο, µπορεί να είναι ροζ κοκκιώδης 1.5 Θεραπεία Μελανώµατος και υσπλαστικών σπίλων Το σηµείο κλειδί όσον αφορά στην θεραπεία του µελανώµατος αλλά και των δυσπλαστικών σπίλων αποτελεί µέχρι σήµερα η καλή πρόληψη. Όσο νωρίτερα αντιληφθούµε και ανιχνεύσουµε τις πρώιµες αλλοιώσεις του µελανώµατος και των δυσπλαστικών σπίλων (παρόλο που υπάρχει διχογνωµία αν θα πρέπει να εξαιρούµε άµεσα τους σπίλους διότι πολύ µικρό ποσοστό τους εξελίσσονται σε µελάνωµα) και τους εξαιρέσουµε χειρουργικά, τόσο θα ανεβάσουµε και την αποτελεσµατικότητα της πρόληψης και της θεραπείας. Σε περιπτώσεις προχωρηµένου µελανώµατος η θεραπεία είναι η χειρουργική εξαίρεση - σε περιοχές φυσικά που µπορεί να γίνει ευρεία εκτοµή - η οποία ακολουθείται από χηµειοθεραπεία. υστυχώς όµως, τα ποσοστά επιτυχίας της θεραπείας είναι πενιχρά, αφού η πρόγνωση σε αυτό το στάδιο είναι πολύ φτωχή [1, 10]. 8

14 1.6 ιπλωµατική Εργασία Στην προσπάθεια να βελτιωθεί η δυνατότητα έγκαιρης διάγνωσης της δυσπλασίας σε ασθενείς µε πολλαπλούς ή µεγάλους εκ γενετής σπίλους επιδοτήθηκε, στο εργαστήριο Βιοϊατρικής Απεικόνισης και Εφαρµοσµένης Οπτικής, ένα νέο ερευνητικό πρόγραµµα για την ανάπτυξη ενός καινούργιου διαγνωστικού εργαλείου που θα επιτρέπει την έγκαιρη διάγνωση της δυσπλασίας σε σπίλους. Η τεχνολογία αυτή θα βασίζεται σε σύστηµα απεικόνισης µε υπερήχους ψηλών συχνοτήτων και πρωτότυπους, στατιστικούς αλγορίθµους. Οι µέθοδοι θα αναπτυχθούν και µε την βοήθεια οµοιωµάτων ιστών, τους οποίους θα αναλύσουµε ποσοτικά, µε αποτέλεσµα να δηµιουργηθεί έτσι ένα σύστηµα το οποίο θα έχει την δυνατότητα να επιφέρει σηµαντική βελτίωση στη διάγνωση και να συµπληρώσει τα µέτρα πρόληψης, µε αποτέλεσµα να βοηθήσει σηµαντικά στη µείωση των περιστατικών µε δυσπλαστικούς σπίλους και µε κακοήθη µεταστατικά µελανώµατα. Μακροπρόθεσµα, η προτεινόµενη έρευνα θα έχει σηµαντικά οφέλη για τους ασθενείς. Για να µπορέσει να αναπτυχθεί η πιο πάνω τεχνολογία χρειάζεται µια πιο λεπτοµερής και ποσοτική µελέτη των δυσπλαστικών αλλαγών στους σπίλους. Αυτή η µελέτη θα διευκολυνθεί µε τη δηµιουργία ενός αλγορίθµου που προσδιορίζει αυτόµατα και ποσοτικά τις κυτταρολογικές αλλαγές σε δυσπλαστικούς σπίλους. Τα αποτελέσµατα της ανάλυσης αυτής θα βοηθήσουν στην καλύτερη κατανόηση των µηχανισµών που επηρεάζουν τις υπερηχητικές ανακλάσεις από τους ιστούς, θα καθοδηγήσουν την κατασκευή των οµοιωµάτων και θα καθορίσουν τον βαθµό ακριβείας που χρειάζεται η όποια διαγνωστική µέθοδος ώστε να διαχωρίζει τους φυσιολογικούς ιστούς από τους δυσπλαστικούς. Ακόµη, αυτή η γνώση έχει µεγάλη ιστοπαθολογική σηµασία µια και θα βοηθήσει στην αξιολόγηση των κριτηρίων για διάγνωση της δυσπλασίας, κάτι που δεν έχει γίνει µέχρι τώρα, διαιωνίζοντας έτσι µερικές αµφιβολίες ως προς την επάρκειά τους. Ένας αλγόριθµος όπως αυτός που περιγράφεται πιο πάνω µπορεί όµως να βρει πολύ πιο ευρεία χρήση από ότι περιγράφεται στο εν λόγω ερευνητικό πρόγραµµα. Οι δυνατότητες που προσφέρει η αυτοµατοποιηµένη διάγνωση στον τοµέα της ιατρικής είναι πάρα πολλές και η χρησιµότητα της µεγάλη. Εξοικονοµεί πολύτιµο χρόνο στον γιατρό, αφού το µόνο που έχει να κάνει είναι να περάσει τις ιστοπαθολογικές εικόνες από τον αλγόριθµο και να ελέγξει αυτές που καθορίζονται ως δυσπλαστικές. Μπορεί ακόµα, να αναγνωρίσει ήπιες µορφές δυσπλασίας, µε αποτέλεσµα να προληφθεί η 9

15 πιθανότητα εξέλιξης σε βαριά µορφή δυσπλασίας ή µελάνωµα. Ο αλγόριθµος που περιγράφεται σε αυτή τη διπλωµατική είναι ακόµα ένα βήµα προς αυτή την κατεύθυνση. Η έρευνα θα αρχίσει µε µια λεπτοµερή και ποσοτική µελέτη των δυσπλαστικών αλλαγών στους σπίλους. Ιστοί από φυσιολογικές και δυσπλαστικές βιοψίες ή εκτοµές θα µελετηθούν µε τη βοήθεια ενός ιστοπαθολόγου. Για κάθε δείγµα σε αυτήν τη µελέτη θα απαιτηθεί από τον ιστοπαθολόγο να προσδιορίσει ρητά τα κριτήρια που τον/την οδήγησαν στη διάγνωση και να καταδείξει τις σχετικές περιοχές στις ψηφιακές φωτογραφίες της ιστολογίας. Ακολούθως, οι κυτταρολογικές αλλαγές θα προσδιοριστούν ποσοτικά, µετρώντας τα µεγέθη και κατανοµή των διαφόρων κυτταρολογικών κριτηρίων της δυσπλασίας. Ανάλογα µε το ποσοστό διακύµανσης του κάθε χαρακτηριστικού γνωρίσµατος ένας κατάλληλος αριθµός παρατηρήσεων θα επιλεγεί ώστε τα αποτελέσµατα να παρουσιάζουν στατιστική σηµαντικότητα. Τα αποτελέσµατα θα αναλυθούν ώστε να εξακριβωθεί πια από τα χαρακτηριστικά που έχουν υπολογισθεί παρουσιάζουν πραγµατικά στατιστική σηµασία στο διαχωρισµό δυσπλαστικών και φυσιολογικών σπίλων. 10

16 Κεφάλαιο 2. Κατάτµηση Ιστοπαθολογικών Εικόνων 2.1 Εισαγωγή Επεξήγηση Ορισµών Μέθοδοι που χρησιµοποιήθηκαν µέχρι τώρα Εισαγωγή Η κατάτµηση ιατρικών εικόνων είναι ένα πολύτιµο και σηµαντικό εργαλείο στην ιατρική, αφού ο ρόλος της είναι κρίσιµος σε πολλές ιατρικές εφαρµογές, όπως στο MRI(Magnetic resonance imaging), CT(Computed tomography) κτλ. Το εργαλείο αυτό παρέχει αποτελεσµατικά µέσα για µη επεµβατική χαρτογράφηση της ανατοµίας του ανθρώπινου σώµατος και αυξάνει την γνώση της φυσιολογικής και της παθολογικής ανατοµίας για ιατρικές µελέτες. Επίσης είναι ένα κρίσιµο συστατικό στοιχείο της διάγνωσης και της θεραπείας[11]. Η αύξηση του αριθµού των ιατρικών εικόνων έδωσε το έναυσµα για την χρήση ηλεκτρονικών υπολογιστών και την δηµιουργία αλγορίθµων κατάτµησης για τη διευκόλυνση της επεξεργασίας και της ανάλυσης τους. Οι αλγόριθµοι κατάτµησης παίζουν σηµαντικό ρόλο σε πολλές βιοιατρικές εφαρµογές και ακόµη µεγαλύτερο στην [11] : ιάγνωση Παθολογία Ανατοµία Πλάνο θεραπείας Εγχειρίσεις µε την βοήθεια υπολογιστή(computer Integrated Surgery) 11

17 2.2 Επεξήγηση Ορισµών Πιο κάτω επεξήγονται οι ορισµοί που θα χρησιµοποιηθούν σε αυτή την µελέτη. Εικόνα (Image) : είναι η συλλογή µετρήσεων σε δύο ή τρεις διαστάσεις στο χώρο. Ιατρική Εικόνα (Medical Image) : είναι συλλογές µετρήσεων από ασθενείς κυρίως για διαγνωστικούς σκοπούς. Στις ακτινογραφίες µπορεί να είναι απορρόφηση ακτινοβολίας, στο υπερηχογράφηµα µπορεί να είναι ανακυκλωµένοι ήχοι και στο MRI η ένταση των εκπεµπόµενων ραδιοκυµάτων. Βαθµωτή Εικόνα ( Scalar Image) : ονοµάζεται η εικόνα στην οποία µια µέτρηση γίνεται σε κάθε περιοχή της εικόνας. ιάνυσµα (Vector) : είναι µια σειρά από µονοδιάστατες µετρήσεις (γραµµή). Εικονοστοιχείο(Pixel) : ονοµάζεται η περιοχή (παραλληλόγραµµο) της κάθε µέτρησης σε µια δισδιάστατη εικόνα. Στοιχείο Όγκου (Voxel) : ονοµάζεται η περιοχή (κόµβος) της κάθε µέτρησης σε µια τρισδιάστατη εικόνα. Κατάτµηση Εικόνας (Image Segmentation) : είναι ο διαµερισµός µιας εικόνας σε µικρά κοµµάτια, τα οποία δεν επικαλύπτονται, είναι συνεχή και οµοιογενή µε βάσει κάποια χαρακτηριστικά, όπως η ένταση ή η υφή. Κατηγοριοποίηση Εικονοστοιχείων (Pixel Classification) : είναι η ταξινόµηση των εικονοστοιχείων σε κλάσεις, µε βάσει κάποια κοινά χαρακτηριστικά. Η κατηγοριοποίηση στοιχείων είναι επιθυµητός στόχος σε ιατρικές εικόνες, όπου κάποιες περιοχές από εικονοστοιχεία που ανήκουν σε κάποια κλάση, πρέπει να αναγνωρισθούν. Πρόσδωση Ονοµασίας (Labeling): είναι η απαρίθµηση των περιοχών ή κλάσεων και η ανάθεση ενός ονόµατος σε κάθε µια από αυτές. Μπορεί να εκτελεστεί µετά την διαδικασία της κατάτµησης. Η αυτοµατοποιηµένη διαδικασία πρόσδωσης ονοµασίας είναι πολύ σηµαντική, ιδιαίτερα σε περιοχές που δεν είναι ξεκάθαρες ή φανερές. ιαστατώτητα (Dimensionality) : Ο αριθµός των διαστάσεων αναφέρεται στις περιπτώσεις που η κατάτµηση γίνεται σε δισδιάστατες ή τρισδιάστατες εικόνες. Ασαφής Κατάτµηση (Soft Segmentation) : Είναι µια κατάτµηση, η οποία επιτρέπει στις περιοχές ή στις κλάσεις να επικαλύπτονται. Με την µέθοδο αυτή κρατούνται περισσότερες πληροφορίες της αρχικής εικόνας.. 12

18 Ανοµοιογένειες Έντασης (Intensity Inhomogeneities) : είναι το φαινόµενο κατά το οποίο προκαλείται η δηµιουργία µιας σκιάς που εµφανίζεται πάνω από την εικόνα. Μέθοδοι οι οποίοι ταυτόχρονα κάνουν κατάτµηση µιας εικόνας και υπολογίζουν την ανοµοιογένεια, έχουν το πλεονέκτηµα ότι µπορούν να χρησιµοποιήσουν τις ενδιάµεσες πληροφορίες που κερδίζονται µε την κατάτµηση. Σχήµα 2.1 Παράδειγµα Ανοµοιογένειας Έντασης: (α)εικόνα MRI. (b) Κέρδος στα διάφορα µέρη της εικόνας που επηρεάζει την ένταση[11] Αλληλεπίδραση (Interaction) : είναι ο καθορισµός κάποιων αρχικών παραµέτρων των οποίων οι τιµές µπορούν να επηρεάσουν την απόδοση που χρησιµοποιείται σε πολλές µεθόδους κατάτµησης. Επικύρωση (Validation) : Είναι η διαδικασία µε την οποία διαπιστώνεται η ορθότητα και πληρότητα µιας µεθόδου κατάτµησης. Εκτελείται είτε µαθηµατικά, είτε µε την χρήση υπολογιστικών ή φυσικών οµοιωµάτων. 2.3 Μέθοδοι που χρησιµοποιήθηκαν µέχρι τώρα Μέχρι σήµερα έχει χρησιµοποιηθεί µια πλειάδα µεθόδων για την κατάτµηση ιατρικών εικόνων. Πιο κάτω αναφέρονται οι πιο σηµαντικές, περιγράφοντας τα πλεονεκτήµατα και µειονεκτήµατα τις κάθε µιας[12,13,14]. Η κατάτµηση µπορεί να γίνει µε τις πιο κάτω µεθόδους 1. Μέθοδος Κατωφλίωσης (Thresholding) 2. Επέκταση Περιοχών (Region Growing) 13

19 3. Ταξινοµητές (Classifiers) 4. Οµαδοποίηση (Clustering) 5. Μετασχηµατισµός Απορροής( Watershed algorithm) 6. Μοντέλα Τυχαίων πεδίων Μάρκοφ(Markov random field (MRF) models) 7. Τεχνητά Νευρωνικά ίκτυα (Artificial Neural Networks) 8. Παραµορφώσηµα Μοντέλα (Deformable models) 9. Εφαρµογή Ανατοµικών Ατλάντων (Atlas-guided approaches ) Η µέθοδος Κατωφλίωσης, οι Ταξινοµητές, η Οµαδοποίηση και τα Μοντέλα Τυχαίων πεδίων ανήκουν στις Κατηγοριοποίησης Εικονοστοιχείων µεθόδους. 1. Μέθοδος Κατωφλίωσης Η µέθοδος αυτή χρησιµοποιείται συνήθως σε Βαθµωτές εικόνες, και δηµιουργεί δυαδικά κοµµάτια της έντασης της εικόνας[13]. Η Μέθοδος Κατωφλίωσης προσπαθεί να καθορίσει µια τιµή έντασης, που ονοµάζεται κατώφλι, η οποία χωρίζει τις επιθυµητές κλάσεις. Η κατάτµηση οµαδοποιεί όλα τα εικονοστοιχεία που έχουν ένταση µεγαλύτερη από το κατώφλι σε µια κλάση και όλα τα υπόλοιπα σε άλλη κλάση[15]. Η µέθοδος Κατωφλίωσης, είναι απλή και αποδοτική όσον αφορά την κατάτµηση εικόνων στις οποίες διαφορετικές δοµές έχουν πολύ διαφορετική ένταση, ή ποσοτικά διαφορετικά χαρακτηριστικά[15]. Η κατάτµηση γίνεται συνήθως αλληλεπιδραστικά. Τέλος, η Μέθοδος Κατωφλίωσης δεν χρησιµοποιεί τα χωρικά χαρακτηριστικά µιας εικόνας, µε αποτέλεσµα να είναι πιο ευαίσθητη στον θόρυβο και στις ανοµοιογένειες της έντασης[13,15]. Σχήµα 2.2 Ιστόγραµµα µιας βαθµωτής εικόνας στην οποία φαίνονται τρεις κλάσεις που ανταποκρίνονται στις 3 καµπύλες και δύο πιθανά κατώφλια που ανταποκρίνονται στις δύο κοιλάδες[11]. 14

20 2. Επέκταση Περιοχών Η Επέκταση περιοχών, είναι η τεχνική στην οποία µια συνεχής περιοχή εικόνας, αφαιρείται µε βάσει κάποια κριτήρια[13]. Αυτά τα κριτήρια µπορεί να βασίζονται στην ένταση ή στις ακµές της εικόνας. Στην απλή της µορφή, η Επέκταση περιοχών, χρειάζεται να επιλέξει ένα αρχικό σηµείο (seed point) και από εκεί και πέρα να επιλέξει όλα τα εικονοστοιχεία που είναι συνδεδεµένα στο αρχικό σηµείο µε βάσει κάποια κριτήρια[16]. Ένα από τα κριτήρια µπορεί να είναι η αύξηση της περιοχής µέχρι να συναντήσει µια ακµή της εικόνας. 1 2 Σχήµα 2.3 Η Επέκταση Περιοχών χρησιµοποιείται για να για να αποµονώσει ένα από τις δοµές της πρώτης εικόνας[11] Το κυριότερο µειονέκτηµα της Επέκταση Περιοχών, είναι το γεγονός ότι το αρχικό σηµείο (seed point) πρέπει να καθοριστεί µε το χέρι. Επίσης, η µέθοδος αυτή είναι ευαίσθητη στον θόρυβο, ο οποίος προκαλεί την δηµιουργία οπών λόγω της αφαίρεσης περιοχών, ή ακόµη και αποσύνδεση των περιοχών[16]. Για την αποφυγή αυτών των προβληµάτων προτείνεται ο αλγόριθµος Επέκτασης Οµοτοπικής περιοχής (Homotopic Region Growing), ο οποίος διατηρεί την τοπολογία µεταξύ της αρχικής περιοχής και της αφαιρεµένης περιοχής[13,16]. 15

21 3. Ταξινοµητές Οι Ταξινοµητές, που ανήκουν στις µεθόδους µε επίβλεψη, είναι τεχνική αναγνώρισης µορφής προτύπων, που διαχωρίζει ένα χαρακτηριστικό χώρο, χρησιµοποιώντας ονοµασίες (labels) για κάθε περιοχή[13,14,16]. Χαρακτηριστικός χώρος θεωρείται οποιαδήποτε συνάρτηση της εικόνας, µε πιο γνωστό χαρακτηριστικό χώρο τις εντάσεις της εικόνας. Οι Ταξινοµητές, χρειάζονται δεδοµένα εκπαίδευσης, τα οποία κατατέµνονται δια χειρός και µετά χρησιµοποιούνται ως αναφορές για την δηµιουργία νέων δεδοµένων, τα οποία κατατέµνονται αυτόµατα[14,17]. Κάποιοι από αυτούς είναι οι εξής : Ταξινοµητές του Κοντινότερου Γείτονα : Η βασική ιδέα ανάπτυξης αυτών των κανόνων, είναι ότι τα εικονοστοιχεία που βρίσκονται κοντά στο χώρο των χαρακτηριστικών, είναι πιθανόν να ανήκουν στην ίδια τάξη. Η ερµηνεία του κοντά επιβάλλει τη χρήση κάποιων µέτρων απόστασης[14,17]. Χωρισµός των εικονοστοιχείων µε ένα άξονα : Εδώ η βασική ιδέα είναι ότι ένας άξονας διαχωρίζει τα εικονοστοιχεία σε ένα διάγραµµα διασποράς µε βάσει κάποια κοινά χαρακτηριστικά. Όλα τα εικονοστοιχεία µε κοινά χαρακτηριστικά βρίσκονται από την µια πλευρά του άξονα και όλα τα άλλα στην άλλη πλευρά. Σαν αποτέλεσµα έχουµε την δηµιουργία δύο κλάσεων[14,17]. Σχήµα 2.4 ιαχωρισµένα δισδιάστατα χαρακτηριστικά µε δύο προφανείς κλάσεις[11] 16

22 4. Οµαδοποίηση Οι αλγόριθµοι οµαδοποίησης εκτελούν παρόµοια λειτουργία µε τους Ταξινοµητές, µε την µόνη διαφορά ότι δεν χρησιµοποιούν δεδοµένα εκπαίδευσης, έτσι ανήκουν στις µη επιβλεπόµενες µεθόδους[13,16,18]. Οι µέθοδοι αυτοί εκπαιδεύονται αυτόµατα, χρησιµοποιώντας τα διαθέσιµα δεδοµένα. Τρεις αλγόριθµοι Οµαδοποίησης είναι οι πιο κάτω[18] : Αλγόριθµος Κ-Μέσου Όρου (K-means (ISODATA) algorithm) : οµαδοποιεί τα δεδοµένα µε συνεχές - επαναλαµβανόµενο υπολογισµό του µέσου όρου της έντασης κάθε κλάσης της εικόνας, κατηγοριοποιώντας έτσι το κάθε εικονοστοιχείο στην κλάση µε τον κοντινότερο µέσο όρο έντασης[18]. Αλγόριθµος Ασαφές C-Μέσου Όρου (Fuzzy c-means algorithm) : γενικεύει τον αλγόριθµο Κ-Μέσου Όρου, επιτρέποντας την ασαφή κατάτµηση που βασίζεται στην Ασαφή-C θεωρία[19]. Αλγόριθµος Μεγιστοποίησης Προσδοκίας (Expectation Maximization(EM) algorithm) : θεωρεί ότι τα δεδοµένα ακολουθούν την Γκαουσιανή (Gaussian) κατανοµή. Υπολογίζει τις εκ των υστέρων (posterior) πιθανότητες, τον µέσο όρο και τη συνδιακύµανση (covariance)[13,18]. Οι µέθοδοι Οµαδοποίησης, παρόλο που δεν χρειάζονται δεδοµένα εκπαίδευσης, χρειάζονται αρχική κατάτµηση ή αρχικές παραµέτρους. Επίσης, είναι ευαίσθητοι στον θόρυβο και στις ανοµοιογένειες εντάσεων, αλλά είναι πολύ γρήγοροι στους υπολογισµούς[18]. Σχήµα 2.5 Κατάτµηση µιας εικόνας εγκεφάλου: α. Αρχική εικόνα. β. Κατάτµηση χρησιµοποιώντας τον αλγόριθµο Κ-Μέσου Όρου[11] 17

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση ΤΨΣ 50 Ψηφιακή Επεξεργασία Εικόνας Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία

Διαβάστε περισσότερα

φυσιολογικό δέρμα - 1

φυσιολογικό δέρμα - 1 φυσιολογικό δέρμα -1 Επιδερμίδα (επιθήλιο, εξωδερμική προέλευση) Α Α Α Μ θηλώδες χόριο (επιπολής) ακανθωτή στιβάδα βασική στιβάδα χόριο Μ = Μελανοκύτταρο (νευροεξωδερμική προέλευση, νευρική ακρολοφία)

Διαβάστε περισσότερα

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση Χειμερινό Εξάμηνο 2013-2014 Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση 5 η Παρουσίαση : Ψηφιακή Επεξεργασία Εικόνας Διδάσκων: Γιάννης Ντόκας Σύνθεση Χρωμάτων Αφαιρετική Παραγωγή Χρώματος Χρωματικά

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ Ερωτήσεις πολλαπλής επιλογής Συντάκτης: Δημήτριος Κρέτσης 1. Ο κλάδος της περιγραφικής Στατιστικής: α. Ασχολείται με την επεξεργασία των δεδομένων και την ανάλυση

Διαβάστε περισσότερα

Πανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης

Πανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης ΘΕΜΑΤΙΚΗ : ΦΑΣΜΑΤΙΚΕΣ ΥΠΟΓΡΑΦΕΣ - ΤΑΞΙΝΟΜΗΣΕΙΣ Ιωάννης Φαρασλής Τηλ : 24210-74466, Πεδίον Άρεως,

Διαβάστε περισσότερα

ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ

ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ Αναλυτική Μέθοδος- Αναλυτικό Πρόβλημα. Ανάλυση, Προσδιορισμός και Μέτρηση. Πρωτόκολλο. Ευαισθησία Μεθόδου. Εκλεκτικότητα. Όριο ανίχνευσης (limit of detection, LOD).

Διαβάστε περισσότερα

Digital Image Processing

Digital Image Processing Digital Image Processing Intensity Transformations Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Image Enhancement: είναι

Διαβάστε περισσότερα

Η υπεριώδης ακτινοβολία (UV), χωρίζεται στις ζώνες UVA, UVB και UVC. Όλες έχουν διαφορετικές

Η υπεριώδης ακτινοβολία (UV), χωρίζεται στις ζώνες UVA, UVB και UVC. Όλες έχουν διαφορετικές ΟΛΑ ΟΣΑ ΘΑ ΠΡΕΠΕΙ ΝΑ ΞΕΡΕΤΕ ΓΙΑ ΤΗΝ ΗΛΙΟΠΡΟΣΤΑΣΙΑ ΗΛΙΟΣ, Ο καλύτερός μας φίλος ο χειρότερός μας εχθρός. Η υπεριώδης ακτινοβολία (UV), χωρίζεται στις ζώνες UVA, UVB και UVC. Όλες έχουν διαφορετικές αρνητικές

Διαβάστε περισσότερα

4.3. Γραµµικοί ταξινοµητές

4.3. Γραµµικοί ταξινοµητές Γραµµικοί ταξινοµητές Γραµµικός ταξινοµητής είναι ένα σύστηµα ταξινόµησης που χρησιµοποιεί γραµµικές διακριτικές συναρτήσεις Οι ταξινοµητές αυτοί αναπαρίστανται συχνά µε οµάδες κόµβων εντός των οποίων

Διαβάστε περισσότερα

Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο

Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο ρ. Η. Μαγκλογιάννης Πανεπιστήµιο Αιγαίου Τµήµα Μηχανικών Πληροφοριακών και Επικοινωνιακών

Διαβάστε περισσότερα

Prolaris : Ο Νέος Εξατομικευμένος Υπολογισμός της Επιθετικότητας του Καρκίνου του Προστάτη

Prolaris : Ο Νέος Εξατομικευμένος Υπολογισμός της Επιθετικότητας του Καρκίνου του Προστάτη Prolaris : Ο Νέος Εξατομικευμένος Υπολογισμός της Επιθετικότητας του Καρκίνου του Προστάτη Τηλεφωνικό Κέντρο 210 69 66 000 Prolaris : Ο Νέος Εξατομικευμένος Υπολογισμός της Επιθετικότητας του Καρκίνου

Διαβάστε περισσότερα

Μεθοδολογίες Αξιοποίησης Δεδομένων

Μεθοδολογίες Αξιοποίησης Δεδομένων Μεθοδολογίες Αξιοποίησης Δεδομένων Βλάχος Σ. Ιωάννης Λέκτορας 407/80, Ιατρικής Σχολής Πανεπιστημίου Αθηνών Εργαστήριο Πειραματικής Χειρουργικής και Χειρουργικής Ερεύνης «Ν.Σ. Σ Χρηστέας» Στάδια Αξιοποίησης

Διαβάστε περισσότερα

Επεξεργασία Χαρτογραφικής Εικόνας

Επεξεργασία Χαρτογραφικής Εικόνας Επεξεργασία Χαρτογραφικής Εικόνας Διδάσκων: Αναγνωστόπουλος Χρήστος Κώδικες μετρήσεων αντικειμένων σε εικόνα Χρωματικά μοντέλα: Munsell, HSB/HSV, CIE-LAB Κώδικες μετρήσεων αντικειμένων σε εικόνες Η βασική

Διαβάστε περισσότερα

H ΣΥΜΒΟΛΗ ΤΗΣ ΜΑΓΝΗΤΙΚΗΣ ΦΑΣΜΑΤΟΣΚΟΠΙΑΣ (SPECTROSCOPY-MRS) ΣΕ ΜΑΓΝΗΤΙΚΟ ΤΟΜΟΓΡΑΦΟ 3Τ ΣΤΗ ΔΙΑΓΝΩΣΗ ΤΟΥ ΚΑΡΚΙΝΟΥ ΤΟΥ ΜΑΣΤΟΥ

H ΣΥΜΒΟΛΗ ΤΗΣ ΜΑΓΝΗΤΙΚΗΣ ΦΑΣΜΑΤΟΣΚΟΠΙΑΣ (SPECTROSCOPY-MRS) ΣΕ ΜΑΓΝΗΤΙΚΟ ΤΟΜΟΓΡΑΦΟ 3Τ ΣΤΗ ΔΙΑΓΝΩΣΗ ΤΟΥ ΚΑΡΚΙΝΟΥ ΤΟΥ ΜΑΣΤΟΥ H ΣΥΜΒΟΛΗ ΤΗΣ ΜΑΓΝΗΤΙΚΗΣ ΦΑΣΜΑΤΟΣΚΟΠΙΑΣ (SPECTROSCOPY-MRS) ΣΕ ΜΑΓΝΗΤΙΚΟ ΤΟΜΟΓΡΑΦΟ 3Τ ΣΤΗ ΔΙΑΓΝΩΣΗ ΤΟΥ ΚΑΡΚΙΝΟΥ ΤΟΥ ΜΑΣΤΟΥ Γ. Μπουλογιάννη 1, Α. Δρεβελέγκας 1, Ι. Χρυσογονίδης 2 1.Ιατρικό Διαβαλκανικό Κέντρο

Διαβάστε περισσότερα

Προληπτική Μαστογραφία Ανακαλύπτοντας το DCIS. Ιωάννης Θ. Νατσιόπουλος Ειδικός Χειρουργός Μαστού

Προληπτική Μαστογραφία Ανακαλύπτοντας το DCIS. Ιωάννης Θ. Νατσιόπουλος Ειδικός Χειρουργός Μαστού Προληπτική Μαστογραφία Ανακαλύπτοντας το DCIS Ιωάννης Θ. Νατσιόπουλος Ειδικός Χειρουργός Μαστού Ductal Carcinoma in Situ Πορογενές καρκίνωμα in Situ In Situ = επί τόπου Τοπικό πορογενές καρκίνωμα; Ductal

Διαβάστε περισσότερα

Έγχρωµο και Ασπρόµαυρο Φως

Έγχρωµο και Ασπρόµαυρο Φως Έγχρωµο και Ασπρόµαυρο Φως Χρώµα: κλάδος φυσικής, φυσιολογίας, ψυχολογίας, τέχνης. Αφορά άµεσα τον προγραµµατιστή των γραφικών. Αν αφαιρέσουµε χρωµατικά χαρακτηριστικά, λαµβάνουµε ασπρόµαυρο φως. Μόνο

Διαβάστε περισσότερα

2.3. Ασκήσεις σχ. βιβλίου σελίδας 100 104 Α ΟΜΑ ΑΣ

2.3. Ασκήσεις σχ. βιβλίου σελίδας 100 104 Α ΟΜΑ ΑΣ .3 Ασκήσεις σχ. βιβλίου σελίδας 00 04 Α ΟΜΑ ΑΣ. Έξι διαδοχικοί άρτιοι αριθµοί έχουν µέση τιµή. Να βρείτε τους αριθµούς και τη διάµεσό τους. Αν είναι ο ποιο µικρός άρτιος τότε οι ζητούµενοι αριθµοί θα είναι

Διαβάστε περισσότερα

Δύο κύριοι τρόποι παρουσίασης δεδομένων. Παράδειγμα

Δύο κύριοι τρόποι παρουσίασης δεδομένων. Παράδειγμα Δύο κύριοι τρόποι παρουσίασης δεδομένων Παράδειγμα Με πίνακες Με διαγράμματα Ονομαστικά δεδομένα Εδώ τα περιγραφικά μέτρα (μέσος, διάμεσος κλπ ) δεν έχουν νόημα Πήραμε ένα δείγμα από 25 άτομα και τα ρωτήσαμε

Διαβάστε περισσότερα

Περίληψη ιπλωµατικής Εργασίας

Περίληψη ιπλωµατικής Εργασίας Περίληψη ιπλωµατικής Εργασίας Θέµα: Εναλλακτικές Τεχνικές Εντοπισµού Θέσης Όνοµα: Κατερίνα Σπόντου Επιβλέπων: Ιωάννης Βασιλείου Συν-επιβλέπων: Σπύρος Αθανασίου 1. Αντικείµενο της διπλωµατικής Ο εντοπισµός

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή Επεξεργασία Εικόνας ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 3 : Αποκατάσταση εικόνας (Image Restoration) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

Δημήτριος Κουτσούρης, Καθηγητής ΕΜΠ Ηλιοπούλου Δήμητρα, Δρ. Βιοϊατρικής Τεχνολογίας, Ηλεκτρολόγος Μηχ. και Μηχ. Υπολογιστών, ΕΜΠ

Δημήτριος Κουτσούρης, Καθηγητής ΕΜΠ Ηλιοπούλου Δήμητρα, Δρ. Βιοϊατρικής Τεχνολογίας, Ηλεκτρολόγος Μηχ. και Μηχ. Υπολογιστών, ΕΜΠ Ο ΡΟΛΟΣ ΤΗΣ ΒΙΟΪΑΤΡΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΣΤΗΝ ΕΞΑΤΟΜΙΚΕΥΜΕΝΗ ΔΙΑΧΕΙΡΙΣΗ ΓΥΝΑΙΚΩΝ ΜΕ ΠΑΘΟΛΟΓΙΚΟ ΤΕΣΤ ΠΑΠΑΝΙΚΟΛΑΟΥ Δημήτριος Κουτσούρης, Καθηγητής ΕΜΠ Ηλιοπούλου Δήμητρα, Δρ. Βιοϊατρικής Τεχνολογίας, Ηλεκτρολόγος

Διαβάστε περισσότερα

Οι δείκτες διασποράς. Ένα παράδειγµα εργασίας

Οι δείκτες διασποράς. Ένα παράδειγµα εργασίας Κεφάλαιο 5 Οι δείκτες διασποράς 1 Ένα παράδειγµα εργασίας Ένας καθηγητής µαθηµατικών έδωσε σε δύο τµήµατα µιας τάξης του σχολείου του το ίδιο τεστ. Η επίδοση των µαθητών του κάθε τµήµατος (όπως µετρήθηκε

Διαβάστε περισσότερα

ΚΑΡΚΙΝΟΣ ΤΟΥ ΜΑΣΤΟΥ: ΣΤΡΑΤΗΓΙΚΕΣ ΠΡΟΛΗΨΗΣ Αντωνίου Χαρά Διευθύντρια Β Χειρουργικής Κλινικής Γενικού Νοσοκομείου Χανίων ΣΕ ΤΙ ΘΑ ΑΝΑΦΕΡΘΟΥΜΕ??? Πόσο συχνός είναι ο καρκίνος του μαστού? Ποια αίτια τον προκαλούν?

Διαβάστε περισσότερα

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το

Διαβάστε περισσότερα

Ο Καρκίνος του δέρματος από τον ήλιο

Ο Καρκίνος του δέρματος από τον ήλιο 8 ο Γενικό Λύκειο Πατρών Τμήμα Α Ο Καρκίνος του δέρματος από τον ήλιο Από την ομάδα B-BOYS: Άρης Σπυρόπουλος Κωνσταντίνος Κωνσταντόπουλος Χρήστος Λιόσης Βασίλης Οικονομόπουλος Επιβλέπων: Αναστασόπουλος

Διαβάστε περισσότερα

Μελάνωμα: Πληθυσμιακός έλεγχος και δευτερογενής πρόληψη

Μελάνωμα: Πληθυσμιακός έλεγχος και δευτερογενής πρόληψη Α' ΠΑΝΕΠΙΣΤΗΜΙΑΚΗ ΚΛΙΝΙΚΗ ΑΦΡΟΔΙΣΙΩΝ ΚΑΙ ΔΕΡΜΑΤΙΚΩΝ ΝΟΣΩΝ ΝΟΣΟΚΟΜΕΙΟ "Ανδρέας Συγγρός" Μελάνωμα: Πληθυσμιακός έλεγχος και δευτερογενής πρόληψη ΜΑΡΙΑ ΚΩΣΤΑΚΗ ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΣΥΝΕΡΓΑΤΗΣ Μονάδα Σπίλων και Μελανώματος

Διαβάστε περισσότερα

Μια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB )

Μια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB ) Μια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB ) Μια πρώτη ιδέα για το μάθημα χωρίς καθόλου εξισώσεις!!! Περίγραμμα του μαθήματος χωρίς καθόλου εξισώσεις!!! Παραδείγματα από πραγματικές εφαρμογές ==

Διαβάστε περισσότερα

HY 571 - Ιατρική Απεικόνιση. ιδάσκων: Kώστας Μαριάς

HY 571 - Ιατρική Απεικόνιση. ιδάσκων: Kώστας Μαριάς HY 571 - Ιατρική Απεικόνιση ιδάσκων: Kώστας Μαριάς 7. Υπολογιστική τοµογραφία Η ανάγκη απεικόνισης στις 3- ιαστάσεις Στην κλασική ακτινολογία η τρισδιάστατη ανθρώπινη ανατοµία προβάλλεται πάνω στο ακτινογραφικό

Διαβάστε περισσότερα

Πρόληψη του καρκίνου του προστάτη και της ουροδόχου κύστης

Πρόληψη του καρκίνου του προστάτη και της ουροδόχου κύστης Πρόληψη του καρκίνου του προστάτη και της ουροδόχου κύστης Βασίλης Πουλάκης MD, PhD, FEBU Aν. Kαθηγητής Iατρικής Σχολής Παν/µίου Φρανκφούρτης, Γερµανίας Διευθυντής Ουρολογικής Κλινικής Metropolitan Νοσοκοµείο

Διαβάστε περισσότερα

Εικόνα. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 05-1

Εικόνα. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 05-1 Εικόνα Εισαγωγή Ψηφιακή αναπαράσταση Κωδικοποίηση των χρωμάτων Συσκευές εισόδου και εξόδου Βάθος χρώματος και ανάλυση Συμβολική αναπαράσταση Μετάδοση εικόνας Σύνθεση εικόνας Ανάλυση εικόνας Τεχνολογία

Διαβάστε περισσότερα

ΠΩΣ ΕΝΑΣ ΓΙΑΤΡΟΣ ΘΑ ΙΑΓΝΩΣΕΙ ΜΙΑ ΣΥΓΓΕΝΗ ΚΑΡ ΙΟΠΑΘΕΙΑ

ΠΩΣ ΕΝΑΣ ΓΙΑΤΡΟΣ ΘΑ ΙΑΓΝΩΣΕΙ ΜΙΑ ΣΥΓΓΕΝΗ ΚΑΡ ΙΟΠΑΘΕΙΑ 2 ΠΩΣ ΕΝΑΣ ΓΙΑΤΡΟΣ ΘΑ ΙΑΓΝΩΣΕΙ ΜΙΑ ΣΥΓΓΕΝΗ ΚΑΡ ΙΟΠΑΘΕΙΑ Κατά κανόνα, η διάγνωση µιας συγγενούς καρδιοπάθειας γίνεται στη βρεφική ηλικία, αν και αρκετές περιπτώσεις µπορούν να διαγνωσθούν σε οποιαδήποτε

Διαβάστε περισσότερα

Εικόνες και γραφικά. Τεχνολογία Πολυµέσων 05-1

Εικόνες και γραφικά. Τεχνολογία Πολυµέσων 05-1 Εικόνες και γραφικά Περιγραφή στατικών εικόνων Αναπαράσταση γραφικών Υλικό γραφικών Dithering και anti-aliasing Σύνθεση εικόνας Ανάλυση εικόνας Μετάδοση εικόνας Τεχνολογία Πολυµέσων 05-1 Περιγραφή στατικών

Διαβάστε περισσότερα

27-Ιαν-2009 ΗΜΥ 429. 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό

27-Ιαν-2009 ΗΜΥ 429. 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό ΗΜΥ 429 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό 1 (i) Βασική στατιστική 2 Στατιστική Vs Πιθανότητες Στατιστική: επιτρέπει μέτρηση και αναγνώριση θορύβου και

Διαβάστε περισσότερα

ΒΙΟΣΤΑΤΙΣΤΙΚΗ. ΑΛΕΓΚΑΚΗΣ ΑΘΑΝΑΣΙΟΣ Φυσικός, PH.D. Σχολής Επιστηµών Υγείας

ΒΙΟΣΤΑΤΙΣΤΙΚΗ. ΑΛΕΓΚΑΚΗΣ ΑΘΑΝΑΣΙΟΣ Φυσικός, PH.D. Σχολής Επιστηµών Υγείας ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΑΛΕΓΚΑΚΗΣ ΑΘΑΝΑΣΙΟΣ Φυσικός, PH.D. Σχολής Επιστηµών Υγείας Επικοινωνία: Πτέρυγα 4, Τοµέας Κοινωνικής Ιατρικής Εργαστήριο Βιοστατιστικής Τηλ. 4613 e-mail: biostats@med.uoc.gr thalegak@med.uoc.gr

Διαβάστε περισσότερα

ρ. Ευστρατία Μούρτου

ρ. Ευστρατία Μούρτου ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΠΑΤΡΩΝ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΕΞΑΜΗΝΟ : Ε ΑΚΑ ΗΜΑΪΚΟ ΕΤΟΣ : - ΜΑΘΗΜΑ «ΒΙΟΣΤΑΤΙΣΤΙΚΗ» ΚΕΦ. ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ ρ. Ευστρατία Μούρτου

Διαβάστε περισσότερα

ΜΗ ΨΗΛΑΦΗΤΕΣ ΑΛΛΟΙΩΣΕΙΣ ΜΑΣΤΟΥ ΧΕΙΡΙΣΜΟΣ ΠΑΡΑΣΚΕΥΑΣΜΑΤΟΣ. Πετρούλα Αραπαντώνη-Δαδιώτη Δ/ντρια Παθολογοανατομικού Εργαστ ΕΑΝΠ-ΜΕΤΑΞΑ-ΠΕΙΡΑΙΑΣ

ΜΗ ΨΗΛΑΦΗΤΕΣ ΑΛΛΟΙΩΣΕΙΣ ΜΑΣΤΟΥ ΧΕΙΡΙΣΜΟΣ ΠΑΡΑΣΚΕΥΑΣΜΑΤΟΣ. Πετρούλα Αραπαντώνη-Δαδιώτη Δ/ντρια Παθολογοανατομικού Εργαστ ΕΑΝΠ-ΜΕΤΑΞΑ-ΠΕΙΡΑΙΑΣ ΜΗ ΨΗΛΑΦΗΤΕΣ ΑΛΛΟΙΩΣΕΙΣ ΜΑΣΤΟΥ ΧΕΙΡΙΣΜΟΣ ΠΑΡΑΣΚΕΥΑΣΜΑΤΟΣ Πετρούλα Αραπαντώνη-Δαδιώτη Δ/ντρια Παθολογοανατομικού Εργαστ ΕΑΝΠ-ΜΕΤΑΞΑ-ΠΕΙΡΑΙΑΣ οι αλλοιώσεις του μαστού που χειρουργούνται χαρακτηρίζονται ως

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ

Διαβάστε περισσότερα

Για το Θέμα 1 στα Μαθηματικά Γενικής Παιδείας Γ Λυκείου

Για το Θέμα 1 στα Μαθηματικά Γενικής Παιδείας Γ Λυκείου Για το Θέμα 1 στα Μαθηματικά Γενικής Παιδείας Γ Λυκείου Διαφορικός Λογισμός 1. Ισχύει f (g())) ) f ( = f (g())g () όπου f,g παραγωγίσιµες συναρτήσεις 2. Αν µια συνάρτηση f είναι παραγωγίσιµη σε ένα διάστηµα

Διαβάστε περισσότερα

2 + 0.5 2 + 0.25 + 1 + 0.5 2 + 0.25 + 1 + 0.5 2 + 0.25 2 + 0.5 0 0.125 + 1 + 0.5 1 0.125 + 1 + 0.75 1 0.125 1/5

2 + 0.5 2 + 0.25 + 1 + 0.5 2 + 0.25 + 1 + 0.5 2 + 0.25 2 + 0.5 0 0.125 + 1 + 0.5 1 0.125 + 1 + 0.75 1 0.125 1/5 IOYNIOΣ 23 Δίνονται τα εξής πρότυπα: x! = 2.5 Άσκηση η (3 µονάδες) Χρησιµοποιώντας το κριτήριο της οµοιότητας να απορριφθεί ένα χαρακτηριστικό µε βάση το συντελεστή συσχέτισης. Γράψτε εδώ το χαρακτηριστικό

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 21 Σεπτεµβρίου 2004 ιάρκεια: 3 ώρες Το παρακάτω σύνολο

Διαβάστε περισσότερα

ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ. Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ

ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ. Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ (Τ.Ε.Ι.) ΣΕΡΡΩΝ Τμήμα ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ

Διαβάστε περισσότερα

21. ΚΑΡΚΙΝΟΣ ΤΟΥ ΜΑΣΤΟΥ

21. ΚΑΡΚΙΝΟΣ ΤΟΥ ΜΑΣΤΟΥ 21. ΚΑΡΚΙΝΟΣ ΤΟΥ ΜΑΣΤΟΥ ΕΠΙΔΗΜΙΟΛΟΓΙΑ Ο καρκίνος του μαστού είναι ο πιο συχνός καρκίνος της γυναίκας. Η επίπτωση παγκόσμια είναι περίπου 89 περιστατικά/100.000 γυναίκες ενώ αναφέρονται 800.000 νέα περιστατικά

Διαβάστε περισσότερα

Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας

Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας Τεχνικές Μείωσης Διαστάσεων Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας 1 Εισαγωγή Το μεγαλύτερο μέρος των δεδομένων που καλούμαστε να επεξεργαστούμε είναι πολυδιάστατα.

Διαβάστε περισσότερα

Σκοπός του κεφαλαίου είναι η κατανόηση των βασικών στοιχείων μιας στατιστικής έρευνας.

Σκοπός του κεφαλαίου είναι η κατανόηση των βασικών στοιχείων μιας στατιστικής έρευνας. 7 ο ΜΑΘΗΜΑ ΚΕΦΑΛΑΙΟ 2 ΣΤΑΤΙΣΤΙΚΗ Σκοπός Σκοπός του κεφαλαίου είναι η κατανόηση των βασικών στοιχείων μιας στατιστικής έρευνας. Προσδοκώμενα αποτελέσματα Όταν θα έχετε ολοκληρώσει τη μελέτη αυτού του κεφαλαίου

Διαβάστε περισσότερα

Επεξεργασία Χαρτογραφικής Εικόνας

Επεξεργασία Χαρτογραφικής Εικόνας Επεξεργασία Χαρτογραφικής Εικόνας ιδάσκων: Αναγνωστόπουλος Χρήστος Βασικά στοιχεία εικονοστοιχείου (pixel) Φυσική λειτουργία όρασης Χηµική και ψηφιακή σύλληψη (Κλασσικές και ψηφιακές φωτογραφικές µηχανές)

Διαβάστε περισσότερα

ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΕΛΕΥΘΕΡΩΝ ΕΛΑΦΡΩΝ ΑΛΥΣΕΩΝ ΣΤΟΝ ΟΡΟ ΚΑΙ ΣΤΑ ΟΥΡΑ. Χρυσούλα Νικολάου

ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΕΛΕΥΘΕΡΩΝ ΕΛΑΦΡΩΝ ΑΛΥΣΕΩΝ ΣΤΟΝ ΟΡΟ ΚΑΙ ΣΤΑ ΟΥΡΑ. Χρυσούλα Νικολάου ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΕΛΕΥΘΕΡΩΝ ΕΛΑΦΡΩΝ ΑΛΥΣΕΩΝ ΣΤΟΝ ΟΡΟ ΚΑΙ ΣΤΑ ΟΥΡΑ Χρυσούλα Νικολάου Μονοκλωνικές ελεύθερες ελαφρές αλύσεις Οι μονοκλωνικές ελεύθερες ελαφρές αλύσεις οι οποίες είναι γνωστές ως πρωτεΐνη Bence

Διαβάστε περισσότερα

Η ΕΜΠΕΙΡΙΑ ΤΗΣ ΚΑΤΑΓΡΑΦΗΣ ΑΠΟ ΤΗΝ ΠΛΕΥΡΑ ΤΟΥ ΚΑΤΑΓΡΑΦΕΑ

Η ΕΜΠΕΙΡΙΑ ΤΗΣ ΚΑΤΑΓΡΑΦΗΣ ΑΠΟ ΤΗΝ ΠΛΕΥΡΑ ΤΟΥ ΚΑΤΑΓΡΑΦΕΑ Η ΕΜΠΕΙΡΙΑ ΤΗΣ ΚΑΤΑΓΡΑΦΗΣ ΑΠΟ ΤΗΝ ΠΛΕΥΡΑ ΤΟΥ ΚΑΤΑΓΡΑΦΕΑ ΚΑΤΑΓΡΑΦΕΙΣ Ε.Α.Ν Γ.Ν.Ν.Θ.Α «Η ΣΩΤΗΡΙΑ» ΚΩΝΣΤΑΝΤΙΝΑ ΜΠΡΟΥΠΗ ΕΠΙΣΚΕΠΤΡΙΑ ΥΓΕΙΑΣ ΓΕΡΑΣΙΜΟΣ ΜΕΤΑΞΑΣ ΝΟΣΗΛΕΥΤΗΣ ΠΕ 12/2/2015 ΙΣΤΟΡΙΚΟ Γ.Ν.Ν.Θ.Α. «Η ΣΩΤΗΡΙΑ»

Διαβάστε περισσότερα

Μάθηµα 3 ο. Περιγραφική Στατιστική

Μάθηµα 3 ο. Περιγραφική Στατιστική Μάθηµα 3 ο Περιγραφική Στατιστική ΗΣτατιστικήείναι Μια τυποποιηµένη σειρά αναλυτικών µεθόδων, οι οποίες χρησιµοποιούνται από τον εκάστοτε ερευνητή για την ανάλυση των διαθέσιµων δεδοµένων. Υπάρχουν δύο

Διαβάστε περισσότερα

Έστω 3 πενταμελείς ομάδες φοιτητών με βαθμολογίες: Ομάδα 1: 6,7,5,8,4 Ομάδα 2: 7,5,6,5,7 Ομάδα 3: 8,6,2,4,10 Παρατηρούμε ότι και οι τρεις πενταμελείς

Έστω 3 πενταμελείς ομάδες φοιτητών με βαθμολογίες: Ομάδα 1: 6,7,5,8,4 Ομάδα 2: 7,5,6,5,7 Ομάδα 3: 8,6,2,4,10 Παρατηρούμε ότι και οι τρεις πενταμελείς Διασπορά Μέτρηση Έστω 3 πενταμελείς ομάδες φοιτητών με βαθμολογίες: Ομάδα 1: 6,7,5,8,4 Ομάδα 2: 7,5,6,5,7 Ομάδα 3: 8,6,2,4,10 Παρατηρούμε ότι και οι τρεις πενταμελείς ομάδες έχουν μέση βαθμολογία 6. συνέχεια

Διαβάστε περισσότερα

Μια ενημέρωση για ασθενείς και παρόχους φροντίδας

Μια ενημέρωση για ασθενείς και παρόχους φροντίδας Μια ενημέρωση για ασθενείς και παρόχους φροντίδας Τι είναι το FoundationOne ; Το FoundationOne είναι μια εξέταση που ανιχνεύει γενωμικές μεταβολές (π.χ. μεταλλάξεις) που είναι γνωστό ότι σχετίζονται με

Διαβάστε περισσότερα

Οπτικοποίηση και Χαρτογραφικός Σχεδιασµός

Οπτικοποίηση και Χαρτογραφικός Σχεδιασµός ΠΜΣ «Πληροφορική» Τµήµα Πληροφορικής Πανεπιστήµιο Πειραιώς ΕΙΣΑΓΩΓΗ ΣΤΗ ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ (Introduction to GeoInformatics) Οπτικοποίηση και Χαρτογραφικός Σχεδιασµός Μαργαρίτα Κόκλα Ορισµοί του χάρτη Μια αναπαράσταση,

Διαβάστε περισσότερα

Κυριακή, 3 Σεπτεµβρίου 2006

Κυριακή, 3 Σεπτεµβρίου 2006 Χρήστος Μαρκόπουλος Αν. Καθηγητής Χειρουργικής Ιατρικής Σχολής Αθηνών /ντης Κλινικής Μαστού Ιατρικού Κέντρου Αθηνών Πρόεδρος Ελληνικής Χειρουργικής Εταιρείας Μαστού - Στατιστικά στοιχεία Στη χώρα µας,

Διαβάστε περισσότερα

Επιδημιολογία καρκίνου του πνεύμονα Ενότητα 1: Ογκολογία Πνεύμονα. Κυριάκος Καρκούλιας, Επίκουρος Καθηγητής Σχολή Επιστημών Υγείας Τμήμα Ιατρικής

Επιδημιολογία καρκίνου του πνεύμονα Ενότητα 1: Ογκολογία Πνεύμονα. Κυριάκος Καρκούλιας, Επίκουρος Καθηγητής Σχολή Επιστημών Υγείας Τμήμα Ιατρικής Επιδημιολογία καρκίνου του πνεύμονα Ενότητα 1: Ογκολογία Πνεύμονα Κυριάκος Καρκούλιας, Επίκουρος Καθηγητής Σχολή Επιστημών Υγείας Τμήμα Ιατρικής Επιδημιολογικά στοιχεία καρκίνου του πνεύμονα Ο καρκίνος

Διαβάστε περισσότερα

ΗPV και Καρκίνος Δέρµατος. Ηλέκτρα Νικολαΐδου Επ. Καθηγήτρια Δερµατολογίας ΕΚΠΑ Νοσ. «Α. Συγγρός»

ΗPV και Καρκίνος Δέρµατος. Ηλέκτρα Νικολαΐδου Επ. Καθηγήτρια Δερµατολογίας ΕΚΠΑ Νοσ. «Α. Συγγρός» ΗPV και Καρκίνος Δέρµατος Ηλέκτρα Νικολαΐδου Επ. Καθηγήτρια Δερµατολογίας ΕΚΠΑ Νοσ. «Α. Συγγρός» ΓΕΝΗ HPV Α γένος: βλεννογόνοι αιτιολογική συσχέτιση µε καρκίνο τραχήλου µήτρας, πρωκτού, αιδοίου, πέους

Διαβάστε περισσότερα

ΤΕΙ ΣΕΡΡΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ» ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ 2012

ΤΕΙ ΣΕΡΡΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ» ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ 2012 ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ Δίνονται τα εξής πρότυπα: [ ] [ ] [ ] [ ] Άσκηση η (3 μονάδες) Χρησιμοποιώντας το κριτήριο της ομοιότητας να απορριφθεί ένα χαρακτηριστικό με βάση το συντελεστή συσχέτισης. (γράψτε ποιο

Διαβάστε περισσότερα

Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis)

Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis) Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis) Η μέθοδος PCA (Ανάλυση Κύριων Συνιστωσών), αποτελεί μία γραμμική μέθοδο συμπίεσης Δεδομένων η οποία συνίσταται από τον επαναπροσδιορισμό των συντεταγμένων ενός

Διαβάστε περισσότερα

Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο

Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο Δρ. Η. Μαγκλογιάννης Πανεπιστήμιο Αιγαίου Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών

Διαβάστε περισσότερα

Περιβαλλοντική πληροφορική - Ευφυείς εφαρµογές

Περιβαλλοντική πληροφορική - Ευφυείς εφαρµογές Περιβαλλοντική πληροφορική - Ευφυείς εφαρµογές ρ. Ε. Χάρου Πρόγραµµα υπολογιστικής ευφυίας Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών ΕΚΕΦΕ ΗΜΟΚΡΙΤΟΣ http://www.iit.demokritos.gr/neural Περιβαλλοντικά προβλήµατα

Διαβάστε περισσότερα

ΙΕΡΕΥΝΗΣΗ ΤΗΣ ΑΚΡΙΒΕΙΑΣ ΤΩΝ ΗΜΟΓΡΑΦΙΚΩΝ Ε ΟΜΕΝΩΝ

ΙΕΡΕΥΝΗΣΗ ΤΗΣ ΑΚΡΙΒΕΙΑΣ ΤΩΝ ΗΜΟΓΡΑΦΙΚΩΝ Ε ΟΜΕΝΩΝ ΚΕΦΑΛΑΙΟ 9 ΙΕΡΕΥΝΗΣΗ ΤΗΣ ΑΚΡΙΒΕΙΑΣ ΤΩΝ ΗΜΟΓΡΑΦΙΚΩΝ Ε ΟΜΕΝΩΝ Τα δηµογραφικά δεδοµένα τα οποία προέρχονται από τις απογραφές πληθυσµού, τις καταγραφές της φυσικής και µεταναστευτικής κίνησης του πληθυσµού

Διαβάστε περισσότερα

Ε.Α.Υ. Υπολογιστική Όραση. Κατάτμηση Εικόνας

Ε.Α.Υ. Υπολογιστική Όραση. Κατάτμηση Εικόνας Ε.Α.Υ. Υπολογιστική Όραση Κατάτμηση Εικόνας Γεώργιος Παπαϊωάννου 2015 ΚΑΤΩΦΛΙΩΣΗ Κατωφλίωση - Γενικά Είναι η πιο απλή μέθοδος segmentation εικόνας Χωρίζουμε την εικόνα σε 2 (binary) ή περισσότερες στάθμες

Διαβάστε περισσότερα

Α.Τ.Ε.Ι. Ηρακλείου Ψηφιακή Επεξεργασία Εικόνας ιδάσκων: Βασίλειος Γαργανουράκης. Ανθρώπινη Όραση - Χρωµατικά Μοντέλα

Α.Τ.Ε.Ι. Ηρακλείου Ψηφιακή Επεξεργασία Εικόνας ιδάσκων: Βασίλειος Γαργανουράκης. Ανθρώπινη Όραση - Χρωµατικά Μοντέλα Ανθρώπινη Όραση - Χρωµατικά Μοντέλα 1 Τι απαιτείται για την όραση Φωτισµός: κάποια πηγή φωτός Αντικείµενα: που θα ανακλούν (ή διαθλούν) το φως Μάτι: σύλληψη του φωτός σαν εικόνα Τρόποι µετάδοσης φωτός

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ. Πτυχιακή διατριβή

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ. Πτυχιακή διατριβή ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ Πτυχιακή διατριβή 3Δ ΑΠΕΙΚΟΝΙΣΗ ΕΙΚΟΝΩΝ DICOM ΚΑΙ ΕΣΤΙΩΝ ΠΟΛΛΑΠΛΗΣ ΣΚΛΗΡΥΝΣΗΣ ΣΕ ΕΙΚΟΝΕΣ ΕΓΚΕΦΑΛΟΥ ΜΑΓΝΗΤΙΚΗΣ ΤΟΜΟΓΡΑΦΙΑΣ Νικολάου Φοίβια

Διαβάστε περισσότερα

Εργαστηριακή άσκηση L0: Ασφάλεια και προστασία από ακτινοβολία Laser. Σύγκριση έντασης ακτινοβολίας Laser με συμβατικές πηγές φωτός

Εργαστηριακή άσκηση L0: Ασφάλεια και προστασία από ακτινοβολία Laser. Σύγκριση έντασης ακτινοβολίας Laser με συμβατικές πηγές φωτός Εργαστηριακή άσκηση L0: Ασφάλεια και προστασία από ακτινοβολία Laser. Σύγκριση έντασης ακτινοβολίας Laser με συμβατικές πηγές φωτός Σκοπός: Σκοπός της άσκησης αυτής είναι η κατανόηση και επίγνωση των κινδύνων

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2012 ΕΚΦΩΝΗΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2012 ΕΚΦΩΝΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 0 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α Α. Αν οι συναρτήσεις f, g είναι παραγωγίσιµες στο, να αποδείξετε ότι (f() + g ()) f () + g (),. Μονάδες 7 Α. Σε ένα πείραµα µε ισοπίθανα

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης

Διαβάστε περισσότερα

6.3 Ο ΑΜΦΙΠΛΕΥΡΟΣ ΕΛΕΓΧΟΣ SMIRNOV ΓΙΑ k ΑΝΕΞΑΡΤΗΤΑ ΔΕΙΓΜΑΤΑ

6.3 Ο ΑΜΦΙΠΛΕΥΡΟΣ ΕΛΕΓΧΟΣ SMIRNOV ΓΙΑ k ΑΝΕΞΑΡΤΗΤΑ ΔΕΙΓΜΑΤΑ 6.3 Ο ΑΜΦΙΠΛΕΥΡΟΣ ΕΛΕΓΧΟΣ SMIRNOV ΓΙΑ k ΑΝΕΞΑΡΤΗΤΑ ΔΕΙΓΜΑΤΑ Το 1965, από τον Conover και πάλι προτάθηκε ένας άλλος έλεγχος τύπου Smirnov για k ανεξάρτητα δείγματα. Ο έλεγχος αυτός διαφέρει από τον προηγούμενο

Διαβάστε περισσότερα

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab ΑΣΚΗΣΗ 8 Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab 1. Περιγραφή του προτύπου DICOM Η ψηφιακή επεξεργασία ιατρικής εικόνας ξεκίνησε παράλληλα με την ανάπτυξη ενός προτύπου για τη μεταφορά

Διαβάστε περισσότερα

Εργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη

Εργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη Επεξεργασία Εικόνας Εργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη Μπαρμπούτης Παναγιώτης Α) ΦΙΛΤΡΑ ΟΞΥΝΣΗΣ Αρχικά θα μελετήσουμε την εικόνα από το MRI αρχείο της

Διαβάστε περισσότερα

Ο Ήλιος & η Επιδερµίδα

Ο Ήλιος & η Επιδερµίδα Ο Ήλιος & η Επιδερµίδα Η επιδερµίδα είναι το µεγαλύτερο όργανο του σώµατος και συµβάλλει σε πολλαπλές λειτουργίες, όπως προστασία του οργανισµού, ρύθµιση της θερµοκρασίας, αποθήκευση αίµατος, µεταβολισµός,

Διαβάστε περισσότερα

Λόγοι έκδοσης γνώμης για τον χαρακτηρισμό φαρμακευτικού προϊόντος ως ορφανού

Λόγοι έκδοσης γνώμης για τον χαρακτηρισμό φαρμακευτικού προϊόντος ως ορφανού Παράρτημα 1 Λόγοι έκδοσης γνώμης για τον χαρακτηρισμό φαρμακευτικού προϊόντος ως ορφανού Η Επιτροπή Ορφανών Φαρμάκων (COMP), έχοντας εξετάσει την αίτηση, κατέληξε στα ακόλουθα: Σύμφωνα με το άρθρο 3 παράγραφος

Διαβάστε περισσότερα

ΑΞΟΝΙΚΗ ΤΟΜΟΓΡΑΦΙΑ. Ευάγγελος Παντελής Επ. Καθ. Ιατρικής Φυσικής Εργαστήριο Ιατρικής Φυσικής Ιατρική Σχολή Αθηνών

ΑΞΟΝΙΚΗ ΤΟΜΟΓΡΑΦΙΑ. Ευάγγελος Παντελής Επ. Καθ. Ιατρικής Φυσικής Εργαστήριο Ιατρικής Φυσικής Ιατρική Σχολή Αθηνών ΑΞΟΝΙΚΗ ΤΟΜΟΓΡΑΦΙΑ Ευάγγελος Παντελής Επ. Καθ. Ιατρικής Φυσικής Εργαστήριο Ιατρικής Φυσικής Ιατρική Σχολή Αθηνών ΙΑΤΡΙΚΗ ΦΥΣΙΚΗ Διαγνωστικές και θεραπευτικές εφαρμογές ακτινοβολιών : Κεφάλαιο 11 ΕΙΣΑΓΩΓΗ

Διαβάστε περισσότερα

ΚΥΠΡΙΑΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ

ΚΥΠΡΙΑΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ ΚΥΠΡΙΑΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ Στασίνου 36, Γραφ. 102, Στρόβολος 2003 Λευκωσία, Κύπρος Τηλ: 22378101- Φαξ:22379122 cms@cms.org.cy, www.cms.org.cy ΚΥΠΡΙΑΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ Η Κυπριακή Μαθηματική Εταιρεία

Διαβάστε περισσότερα

HMY 795: Αναγνώριση Προτύπων

HMY 795: Αναγνώριση Προτύπων HMY 795: Αναγνώριση Προτύπων Διάλεξη 3 Επιλογή μοντέλου Επιλογή μοντέλου Θεωρία αποφάσεων Επιλογή μοντέλου δεδομένα επικύρωσης Η επιλογή του είδους του μοντέλου που θα χρησιμοποιηθεί σε ένα πρόβλημα (π.χ.

Διαβάστε περισσότερα

Δυσπλαστικοί σπίλοι-σύνδρομο δυσπλαστικών σπίλων. Μαρίνα Παπουτσάκη

Δυσπλαστικοί σπίλοι-σύνδρομο δυσπλαστικών σπίλων. Μαρίνα Παπουτσάκη -Σύνδρομο δυσπλαστικών σπίλων Μαρίνα Παπουτσάκη Επιμελήτρια Α Α Πανεπιστημιακή Κλινική Νοσοκομείο Δερματολογικών Παθήσεων, «Ανδρέας Συγγρός» Ορισμός Οι δυσπλαστικοί σπίλοι είναι επίκτητοι μελανοκυτταρικοί

Διαβάστε περισσότερα

ΧΕΙΡΟΥΡΓΙΚΗ ΑΝΤΙΜΕΤΩΠΙΣΗ ΚΑΡΚΙΝΟΥ ΕΝ ΟΜΗΤΡΙΟΥ

ΧΕΙΡΟΥΡΓΙΚΗ ΑΝΤΙΜΕΤΩΠΙΣΗ ΚΑΡΚΙΝΟΥ ΕΝ ΟΜΗΤΡΙΟΥ ΧΕΙΡΟΥΡΓΙΚΗ ΑΝΤΙΜΕΤΩΠΙΣΗ ΚΑΡΚΙΝΟΥ ΕΝ ΟΜΗΤΡΙΟΥ Κ. ΣΥΚΙΩΤΗΣ ΕΠΙΚΟΥΡΟΣ ΚΑΘΗΓΗΤΗΣ Γ ΜΑΙΕΥΤΙΚΗΣ-ΓΥΝΑΙΚΟΛΟΓΙΚΗΣ ΚΛΙΝΙΚΗΣ ΠΑΝΕΠΙΣΤΗΜΟΥ ΑΘΗΝΩΝ ΓΥΝΑΙΚΟΛΟΓΟΣ - ΟΓΚΟΛΟΓΟΣ Η ΧΕΙΡΟΥΡΓΙΚΗ ΑΝΤΙΜΕΤΩΠΙΣΗ του καρκίνου του

Διαβάστε περισσότερα

ΙΩΑΝΝΗΣ Θ. ΝΑΤΣΙΟΠΟΥΛΟΣ Α ΧΕΙΡΟΥΡΓΙΚΗ ΚΛΙΝΙΚΗ ΝΟΣΟΚΟΜΕΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ «ΠΑΠΑΓΕΩΡΓΙΟΥ»

ΙΩΑΝΝΗΣ Θ. ΝΑΤΣΙΟΠΟΥΛΟΣ Α ΧΕΙΡΟΥΡΓΙΚΗ ΚΛΙΝΙΚΗ ΝΟΣΟΚΟΜΕΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ «ΠΑΠΑΓΕΩΡΓΙΟΥ» 8ο ΣΥΝΕΔΡΙΟ ΧΕΙΡΟΥΡΓΙΚΗΣ ΕΤΑΙΡΕΙΑΣ ΒΟΡΕΙΟΥ ΕΛΛΑΔΟΣ ΘΕΣΣΑΛΟΝΙΚΗ 18-21 ΟΚΤΩΒΡΙΟΥ 2007 ΙΩΑΝΝΗΣ Θ. ΝΑΤΣΙΟΠΟΥΛΟΣ Α ΧΕΙΡΟΥΡΓΙΚΗ ΚΛΙΝΙΚΗ ΝΟΣΟΚΟΜΕΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ «ΠΑΠΑΓΕΩΡΓΙΟΥ» ΠΙΘΑΝΗ ΚΑΚΟΗΘΕΙΑ ΚΛΙΝΙΚΗ Ψηλαφητή

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3 ΣΥΓΚΡΙΣΗ ΜΕΣΩΝ ΤΙΜΩΝ ΠΟΣΟΤΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ

ΚΕΦΑΛΑΙΟ 3 ΣΥΓΚΡΙΣΗ ΜΕΣΩΝ ΤΙΜΩΝ ΠΟΣΟΤΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ ΚΕΦΑΛΑΙΟ 3 ΣΥΓΚΡΙΣΗ ΜΕΣΩΝ ΤΙΜΩΝ ΠΟΣΟΤΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ Εισαγωγή Στο Κεφάλαιο 3 υπολογίζονται και συγκρίνονται οι µέσες τιµές όλων των αριθµητικών µεταβλητών που είναι ο γραπτός µέσος όρος όλων των µαθηµάτων,

Διαβάστε περισσότερα

Γεωγραφικά Πληροφοριακά Συστήµατα (Geographical Information Systems GIS)

Γεωγραφικά Πληροφοριακά Συστήµατα (Geographical Information Systems GIS) Γεωγραφικά Πληροφοριακά Συστήµατα (Geographical Information Systems GIS) ρ. ΧΑΛΚΙΑΣ ΧΡΙΣΤΟΣ xalkias@hua.gr Χ. Χαλκιάς - Εισαγωγή στα GIS 1 Ορισµοί ΓΠΣ Ένα γεωγραφικό πληροφοριακό σύστηµα Geographic Information

Διαβάστε περισσότερα

Υπερπροσαρμογή (Overfitting) (1)

Υπερπροσαρμογή (Overfitting) (1) Αλγόριθμος C4.5 Αποφυγή υπερπροσαρμογής (overfitting) Reduced error pruning Rule post-pruning Χειρισμός χαρακτηριστικών συνεχών τιμών Επιλογή κατάλληλης μετρικής για την επιλογή των χαρακτηριστικών διάσπασης

Διαβάστε περισσότερα

Δεκαπεντάλεπτη προετοιμασία του φοιτητή ιατρικής για το μάθημα του καρκίνου του όρχη βασικές γνώσεις :

Δεκαπεντάλεπτη προετοιμασία του φοιτητή ιατρικής για το μάθημα του καρκίνου του όρχη βασικές γνώσεις : Δεκαπεντάλεπτη προετοιμασία του φοιτητή ιατρικής για το μάθημα του καρκίνου του όρχη βασικές γνώσεις : Οι όρχεις αποτελούν κομμάτι του αναπαραγωγικού συστήματος (παραγωγή σπερματοζωάριων) του άνδρα αλλά

Διαβάστε περισσότερα

ΣΤΟΧΟΙ ΤΗΣ ΕΝΟΤΗΤΑΣ ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΜΗ ΠΑΡΑΜΕΤΡΙΚΩΝ ΕΛΕΓΧΩΝ

ΣΤΟΧΟΙ ΤΗΣ ΕΝΟΤΗΤΑΣ ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΜΗ ΠΑΡΑΜΕΤΡΙΚΩΝ ΕΛΕΓΧΩΝ ΣΤΟΧΟΙ ΤΗΣ ΕΝΟΤΗΤΑΣ Να δοθούν οι βασικές αρχές των µη παραµετρικών ελέγχων (non-parametric tests). Να παρουσιασθούν και να αναλυθούν οι γνωστότεροι µη παραµετρικοί έλεγχοι Να αναπτυχθεί η µεθοδολογία των

Διαβάστε περισσότερα

Γεώργιος Φίλιππας 23/8/2015

Γεώργιος Φίλιππας 23/8/2015 MACROWEB Προβλήματα Γεώργιος Φίλιππας 23/8/2015 Παραδείγματα Προβλημάτων. Πως ορίζεται η έννοια πρόβλημα; Από ποιους παράγοντες εξαρτάται η κατανόηση ενός προβλήματος; Τι εννοούμε λέγοντας χώρο ενός προβλήματος;

Διαβάστε περισσότερα

Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων. Δρ. Ε. Χάρου

Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων. Δρ. Ε. Χάρου Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων Δρ. Ε. Χάρου Πρόγραμμα υπολογιστικής ευφυίας Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών ΕΚΕΦΕ ΔΗΜΟΚΡΙΤΟΣ exarou@iit.demokritos.gr Μηχανική

Διαβάστε περισσότερα

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος xi 1 Αντικείμενα των Πιθανοτήτων και της Στατιστικής 1 1.1 Πιθανοτικά Πρότυπα και Αντικείμενο των Πιθανοτήτων, 1 1.2 Αντικείμενο της Στατιστικής, 3 1.3 Ο Ρόλος των Πιθανοτήτων

Διαβάστε περισσότερα

ΚΑΡΚΙΝΟΣ ΠΡΟΣΤΑΤΗ Είναι συχνός ο καρκίνος του προστάτη; Ποιοί παράγοντες κινδύνου σχετίζονται με τον καρκίνο του προστάτη ;

ΚΑΡΚΙΝΟΣ ΠΡΟΣΤΑΤΗ Είναι συχνός ο καρκίνος του προστάτη; Ποιοί παράγοντες κινδύνου σχετίζονται με τον καρκίνο του προστάτη ; ΚΑΡΚΙΝΟΣ ΠΡΟΣΤΑΤΗ Είναι συχνός ο καρκίνος του προστάτη; Πρόκειται για το συχνότερο καρκίνο και τη δεύτερη αιτία θανάτου από καρκίνο στους άνδρες. Η συχνότητά του αυξάνει με την αύξηση της ηλικίας και το

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Ψηφιακή Επεξεργασία Εικόνας Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Περιλαμβάνει: Βελτίωση (Enhancement) Ανακατασκευή (Restoration) Κωδικοποίηση (Coding) Ανάλυση, Κατανόηση Τμηματοποίηση

Διαβάστε περισσότερα

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n.. Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας

Διαβάστε περισσότερα

Τι συµβαίνει σε ένα Εργαστήριο Γενετικής?

Τι συµβαίνει σε ένα Εργαστήριο Γενετικής? 12 εργαστήριο ίσως ελέγξει τα αποθηκευµένα δείγµατα (ιδιαίτερα εάν ο αρχικός έλεγχος δεν έδωσε αποτέλεσµα), αλλά µόνο εάν έχετε δώσει τη γραπτή σας συγκατάθεση για κάτι τέτοιο. Με αυτό τον τρόπο οι ασθενείς

Διαβάστε περισσότερα

Αναγνώριση Προτύπων - Νευρωνικά ίκτυα

Αναγνώριση Προτύπων - Νευρωνικά ίκτυα ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ Αναγνώριση Προτύπων - Νευρωνικά ίκτυα ρ. Χαράλαµπος Π. Στρουθόπουλος Αναπληρωτής Καθηγητής

Διαβάστε περισσότερα

Συνολικός Χάρτης Πόλης

Συνολικός Χάρτης Πόλης Στα πλαίσια εφαρµογής της οδηγίας 2002/49/ΕΚ, για την αντιµετώπιση των σοβαρών περιβαλλοντικών προβληµάτων που αντιµετωπίζουν οι πόλεις, εξαιτίας του οδικού Θορύβου, µε σοβαρές επιπτώσεις στην ανθρώπινη

Διαβάστε περισσότερα

ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (POPULATION PROJECTIONS)

ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (POPULATION PROJECTIONS) ΚΕΦΑΛΑΙΟ 8 ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (OULATION ROJECTIONS) Η κύρια πηγή στατιστικών δεδοµένων που αφορούν το µέγεθος και τη σύνθεση του πληθυσµού είναι η απογραφή. Η απογραφή πληθυσµού

Διαβάστε περισσότερα

ΣΥΝΗΘΕΙΣ ΠΑΘΗΣΕΙΣ ΘΥΡΕΟΕΙΔΟΥΣ

ΣΥΝΗΘΕΙΣ ΠΑΘΗΣΕΙΣ ΘΥΡΕΟΕΙΔΟΥΣ Οι όζοι του θυρεοειδούς είναι συχνοί και αποτελούν το συχνότερο ενδοκρινολογικό πρόβλημα σε πολλές χώρες. Οι πιθανότητες ότι κάποιος θα ανακαλύψει έναν τουλάχιστον όζο θυρεοειδούς είναι 1 στις 10 ενώ σε

Διαβάστε περισσότερα

5.1 Δραστηριότητα: Εισαγωγή στο ορισμένο ολοκλήρωμα

5.1 Δραστηριότητα: Εισαγωγή στο ορισμένο ολοκλήρωμα 5.1 Δραστηριότητα: Εισαγωγή στο ορισμένο ολοκλήρωμα Θέμα της δραστηριότητας Η δραστηριότητα εισάγει τους μαθητές στο ολοκλήρωμα Riemann μέσω του υπολογισμού του εμβαδού ενός παραβολικού χωρίου. Στόχοι

Διαβάστε περισσότερα

ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ B ΤΑΞΗΣ. χρησιμοποιήσουμε καθημερινά φαινόμενα όπως το θερμόμετρο, Θετικοί-Αρνητικοί αριθμοί.

ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ B ΤΑΞΗΣ. χρησιμοποιήσουμε καθημερινά φαινόμενα όπως το θερμόμετρο, Θετικοί-Αρνητικοί αριθμοί. ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ B ΤΑΞΗΣ ΑΛΓΕΒΡΑ (50 Δ. ώρες) Περιεχόμενα Στόχοι Οδηγίες - ενδεικτικές δραστηριότητες Οι μαθητές να είναι ικανοί: Μπορούμε να ΟΙ ΑΚΕΡΑΙΟΙ ΑΡΙΘΜΟΙ χρησιμοποιήσουμε καθημερινά φαινόμενα

Διαβάστε περισσότερα

Μέρος Β /Στατιστική. Μέρος Β. Στατιστική. Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (www.aua.

Μέρος Β /Στατιστική. Μέρος Β. Στατιστική. Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (www.aua. Μέρος Β /Στατιστική Μέρος Β Στατιστική Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (www.aua.gr/gpapadopoulos) Από τις Πιθανότητες στη Στατιστική Στα προηγούμενα, στο

Διαβάστε περισσότερα

ΚΑΡΚΙΝΟ του ΠΡΟΣΤΑΤΗ. Πως να προλάβετε τον ΔΙΑΓΝΩΣΗ Η ΕΓΚΑΙΡΗ ΣΩΖΕΙ ΖΩΕΣ. Επιστημονική Επιμέλεια Ελληνική Ουρολογική Εταιρία

ΚΑΡΚΙΝΟ του ΠΡΟΣΤΑΤΗ. Πως να προλάβετε τον ΔΙΑΓΝΩΣΗ Η ΕΓΚΑΙΡΗ ΣΩΖΕΙ ΖΩΕΣ. Επιστημονική Επιμέλεια Ελληνική Ουρολογική Εταιρία Η ΕΓΚΑΙΡΗ ΔΙΑΓΝΩΣΗ ΣΩΖΕΙ ΖΩΕΣ Πως να προλάβετε τον ΚΑΡΚΙΝΟ του ΠΡΟΣΤΑΤΗ με ΤΗΝ ΕΥΓΕΝΙΚΗ Χορηγία Επιστημονική Επιμέλεια Ελληνική Ουρολογική Εταιρία με ΤΗ ΣΥΝΕΡΓΑΣΙΑ «Αυτές οι πληροφορίες προορίζονται για

Διαβάστε περισσότερα

2.2.1. Ανοίξτε την εικόνα Hel_MDSGEO και δημιουργήστε δύο έγχρωμα σύνθετα ένα σε πραγματικό χρώμα (True color) και ένα σε ψευδοέχρωμο υπέρυθρο (CIR)

2.2.1. Ανοίξτε την εικόνα Hel_MDSGEO και δημιουργήστε δύο έγχρωμα σύνθετα ένα σε πραγματικό χρώμα (True color) και ένα σε ψευδοέχρωμο υπέρυθρο (CIR) ΕΡΓΑΣΤΗΡΙΟ 2 ο : Φασματικές υπογραφές 2.1. Επανάληψη από τα προηγούμενα 2.2.1. Ανοίξτε την εικόνα Hel_MDSGEO και δημιουργήστε δύο έγχρωμα σύνθετα ένα σε πραγματικό χρώμα (True color) και ένα σε ψευδοέχρωμο

Διαβάστε περισσότερα

ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΜΟΝΟ ΚΛΙΝΙΚΗΣ ΧΗΜΕΙΑΣ ΚΑΙ ΠΗΞΗΣ

ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΜΟΝΟ ΚΛΙΝΙΚΗΣ ΧΗΜΕΙΑΣ ΚΑΙ ΠΗΞΗΣ ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΜΟΝΟ ΚΛΙΝΙΚΗΣ ΧΗΜΕΙΑΣ ΚΑΙ ΠΗΞΗΣ Σκοπός του οδηγού αυτού είναι να απεικονίσει τον τρόπο χρήσης του λογισμικού "MQS" on-line καθώς και των λειτουργιών που είναι διαθέσιμες στους χρήστες προκειμένου

Διαβάστε περισσότερα

6. ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΚΑΤΑ ΟΜΑΔΕΣ (Cluster Sampling)

6. ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΚΑΤΑ ΟΜΑΔΕΣ (Cluster Sampling) 6. ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΚΑΤΑ ΟΜΑΔΕΣ (Cluster Sampling) Από την θεωρία που αναπτύχθηκε στα προηγούμενα κεφάλαια, φαίνεται ότι μια αλλαγή στον σχεδιασμό της δειγματοληψίας και, κατά συνέπεια, στην μέθοδο εκτίμησης

Διαβάστε περισσότερα