Πλοήγηση ανά Συγγραφέας "Metaxioti, Maria"

Τώρα δείχνει 1 - 2 of 2
  • Μικρογραφία εικόνας
    Τεκμήριο
    Α probabilistic knowledge system for breast cancer prediction based on Bayesian networks and machine learning technology.
    (ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), ΠΜΣ Μηχανικών Πληροφορικής, 2025-02-07) Metaxioti, Maria; Μεταξιώτη, Μαρία; Marakakis, Emmanouil; Μαρακάκης, Εμμανουήλ
    Breast cancer is a serious health issue, particularly among women. Early diagnosis is crucial as it significantly increases the chances of successful treatment. Recent advances in machine learning have demonstrated high accuracy in predicting breast cancer through numerous algorithms. Although these algorithms achieve high accuracy, most of them lack interpretability and explainability which are essential for understanding the decision-making process. Additionally, these algorithms often lack web-based accessible interfaces for users, making them challenging to interact with. This study presents the development of a high accuracy breast cancer diagnostic system using Bayesian networks. The system includes a web application designed for both ordinary users, i.e. potential patients, and the knowledge engineer. For ordinary users, the system allows them to input the necessary information and receive a diagnostic result based on the provided data. The knowledge engineer, through a specialized interface, can trigger the three modules of machine learning process, that is data preprocessing, creation of the model and model evaluation. The proposed solution promotes accessibility in breast cancer diagnosis. It improves accessibility of health services through web-based applications. This is of great help in the field of medicine due to efficient support to potential patients. Moreover, this study highlights on the importance of interpretability of the derived model and on the explainability of the diagnostic system. These characteristics have high impact in the use of machine learning technology particularly in medicine because they build trust.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Ανάπτυξη συστήματος γνώσης για διάγνωση και θεραπεία σακχαρώδους διαβήτη
    (ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, 2025-02-24) Μεταξιώτη, Μαρία; Metaxioti, Maria; Μαρακάκης, Εμμανουήλ; Marakakis, Emmanouil
    Αυτή η πτυχιακή εργασία παρουσιάζει την ανάπτυξη ενός Συστήματος Γνώσης (ΣΓ) το οποίο κάνει διάγνωση Σακχαρώδους Διαβήτη και προτείνει θεραπεία στον ασθενή. Αρχικά, γίνεται μια εισαγωγή στα συστήματα γνώσης και ιδιαίτερα στα έμπειρα συστήματα καθώς και στα εργαλεία που χρησιμοποιούνται για την ανάπτυξη τους. Δίνεται ιδιαίτερη έμφαση στα εργαλεία που χρησιμοποιήθηκαν στην ανάπτυξη αυτού του συστήματος γνώσης, δηλαδή στη γλώσσα Prolog που χρησιμοποιήθηκε για την υλοποίηση της μηχανής συλλογισμού και της βάσης γνώσης, καθώς και στη γλώσσα HTML που χρησιμοποιήθηκε για τη δημιουργία της διεπαφής του συστήματος. Έπειτα, γίνεται μια εισαγωγή στο θέμα του Σακχαρώδους Διαβήτη. Στη συνέχεια, παρουσιάζεται η σχεδίαση του συστήματος καθώς και η μέθοδος διάγνωσής του. Ακολουθεί, η παρουσίαση της υλοποίησης του διαγνωστικού μέρους του συστήματος καθώς και της διεπαφής του. Επίσης, παρουσιάζονται υποδείγματα με τις κυριότερες λειτουργίες του ΣΓ. Τέλος, το κύριο μέρος της πτυχιακής εργασίας ολοκληρώνεται με την παρουσίαση της απόδοσης του διαγνωστικού συστήματος, με τα συμπεράσματα και τις μελλοντικές επεκτάσεις του ΣΓ. Υπάρχουν ακόμη 4 παραρτήματα. Στο πρώτο, γίνεται περιγραφή του τρόπου εγκατάστασης του απαραίτητου λογισμικού για να τρέξει το σύστημα μας. Στο δεύτερο, παρουσιάζονται οι ορισμοί των ιατρικών συντομογραφιών του συστήματος. Στο τρίτο παράρτημα, παρουσιάζεται ο κώδικας Prolog του συστήματος. Στο τέταρτο παράρτημα, παρουσιάζεται η αναπαράσταση της βάσης γνώσης σε Prolog.