Πλοήγηση ανά Συγγραφέας "Papadourakis, Georgios"

Τώρα δείχνει 1 - 5 of 5
  • Μικρογραφία εικόνας
    Τεκμήριο
    Deep learning models applied to SC-OCTA data for chads VASC score prediction
    (ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), ΠΜΣ Μηχανικών Πληροφορικής, 2024-06-21) Xirogianni, Marielena; Ξηρογιάννη, Μαριέλενα; Papadourakis, Georgios; Παπαδουράκης, Γεώργιος
    Thesis is research to find a solution how can extract information from OCT-A medical images using deep learning and machine models. OCT -A describe medical information, anatomical features of retina area. OCT-A two-dimensional images in grayscale to used medical information about the diabetes condition of patients’ eyes are AngioPlex OCT angiography from ZEISS medical devices OCT imaging of retinal microvasculature. AngioPlex OCT angiography is a product from a 3D image OCT volume and each one for four difference OCT-A images descried a level from the original OCT in 2D images. Intelligent artificial model with deep learning and machine learning model that recognition from medical images or recognized medical opinions is a step for that. Split the problem in three different parts. First part using medical images with pretrain models to recognize VASC Score as result the negative and positive diabetic condition of patients’ eyes as state of art EffienceNet model the most efficient pretrain model statically with less medical data. The second part is to explore and create medical data to train models for segmentation as result to extract information about Faz and verses. In the second part implement a research in publishes reach articles and medical official certified medical online libraries to collect information how can use them. The formula to extract the biomarkers is not open or clear how extracted is a part that the medical company Zessis have without publish. For our experiment have available a dataset from 400 patients with the information of biomarkers in a excel. The third part is to explore the dataset and organize it for machine learning experiments. Numerical data limitation requires needs statistical data of patients and biomarkers to investigate training experiments of parallel correlation of biomarkers with medical images with more than one parameter of positive or negative diabetes outcome.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Forecasting the directional movement of forex data with machine learning and deep learning
    (ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, 2025-07-28) Papadakis, Charalampos; Παπαδάκης, Χαράλαμπος; Papadourakis, Georgios; Παπαδουράκης, Γεώργιος
    This thesis investigates the prediction of the EUR/USD exchange rate using both machine learning and deep learning methodologies. A series of experiments are conducted to evaluate model performance based on accuracy, precision, recall, F1 score, and RMSE. The study applies models such as Random Forest Regressors and hybrid BiLSTM networks combining technical and fundamental indicators. Emphasis is placed on the optimization of hyperparameters and the architecture of deep learning models. The results demonstrate the effectiveness of deep learning approaches, particularly in capturing sequential patterns in financial time series. Potential improvements and future directions are also discussed.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Lung cancer computer-aided diagnosis system (CADx) with 3d deep convolutional neural networks.
    (ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), ΠΜΣ Μηχανικών Πληροφορικής, 2024-07-31) Marinakis, Ioannis; Μαρινάκης, Ιωάννης; Papadourakis, Georgios; Παπαδουράκης, Γεώργιος
    This thesis presents the development and evaluation of a computer-aided diagnostics system for lung cancer screening. Utilizing advanced image analysis techniques, the system enhances the lung cancer screening process by exploring 3D CNNs for segmenting and classifying pulmonary nodules in low-dose CT images. Early lung cancer detection is critical, and computer-aided diagnostics assist radiologists by automating image analyses. The study comprehensively investigates 3D CNNs for nodule segmentation and classification. Using a public low-dose CT dataset, the architecture learns intricate spatial features for accurate nodule segmentation. Classification capabilities are tuned to distinguish benign and malignant nodules. Results show promise, enhancing lung cancer screening efficiency. Integration of 3D CNNs improves nodule segmentation, generating accurate 3D predictions. Classification performance advances accurate malignant nodule identification, aiding informed clinical decisions. In conclusion, this thesis contributes to computer-aided diagnostics by presenting a novel lung cancer screening approach using 3D CNNs. Results highlight the developed system's viability as a valuable tool for radiologists, streamlining the detection and classification of pulmonary nodules in low-dose CT images.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Μελέτη, σχεδίαση, υλοποίηση και αξιολόγηση συστήματος μετάδοσης διαδικτυακών και πολυμεσικών υπηρεσιών με τη χρήση πλατφόρμας επίγειας ψηφιακής τηλεόρασης.
    (Τ.Ε.Ι. Κρήτης, Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), Τμήμα Μηχανικών Πληροφορικής Τ.Ε., 2008-2-29T14:51:5Z) Παπαδουράκης, Γεώργιος; Papadourakis, Georgios
    Η εξέλιξη του προτύπου επίγειας ψηφιακής τηλεόρασης DVB-T και η εφαρμογή του πάνω σε επίγεια κανάλια είναι μία από τις πιο σημαντικές τεχνολογικές εξελίξεις στις ασύρματες τηλεπικοινωνίες. Μια πλατφόρμα DVB-T μπορεί να αξιοποιηθεί όχι μόνο για την εκπομπή "μπουκέτων" τηλεοπτικών προγραμμάτων σε ένα μεγάλο αριθμό τελικών χρηστών κατανεμημένων πάνω σε μεγάλες γεωγραφικά περιοχές αλλά και για την παροχή αμφίδρομων Διαδικτυακών υπηρεσιών. H χαρακτηριστική ιδιότητα του DVB-T να συνδυάζει τηλεοπτικά προγράμματα MPEG-2 με υπηρεσίες IP στο ίδιο κανάλι μεταφοράς, επιτρέπει την ανάπτυξη δικτυακών υποδομών οι οποίες μπορούν να διασυνδέσουν ενδιάμεσους κόμβους διανομής για την παροχή υπηρεσιών κατά απαίτηση. Ο βασικός σκοπός της πτυχιακής εργασίας αυτής είναι η μελέτη, σχεδίαση, υλοποίηση και αξιολόγηση ενός συστήματος επίγειας ψηφιακής τηλεόρασης για τη μετάδοση Διαδικτυακών και πολυμεσικών υπηρεσιών κατά απαίτηση. Το προτεινόμενο σύστημα θα χρησιμοποιηθεί για τη διασύνδεση ενδιάμεσων κόμβων διανομής και θα δοκιμαστεί για την ορθότητα του πάνω από την πλατφόρμα DVB-T του Εργαστηρίου Έρευνας και Ανάπτυξης Τηλεπικοινωνιακών Συστημάτων, ΠΑΣΙΦΑΗ. Η πτυχιακή εργασία θα συμπεριλαμβάνει τη σχεδίαση, υλοποίηση και έλεγχο ορθότητας της συνολικής απόδοσης του συστήματος με τη χρήση ασύρματων δικτύων συνεισφέροντας έτσι στην περαιτέρω σύγκλιση της τεχνολογίας DVB-T με τα ασύρματα και ενσύρματα δίκτυα τηλεπικοινωνιών σε ένα ολοκληρωμένο και συμπαγή περιβάλλον. Εκτενείς μετρήσεις αξιολόγησης της απόδοσης του προτεινόμενου συστήματος θα παρθούν μετά το στάδιο υλοποίησης και τα κατάλληλα συμπεράσματα θα παρατεθούν και θα σχολιασθούν.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Ποιότητα online υπηρεσιών: η άποψη των πελατών στον κλάδο της τεχνολογίας.
    (ΕΛ.ΜΕ.ΠΑ., ΔΠΜΣ Οργάνωση και Διοίκηση για Μηχανικούς, 2022-10-17) Παπαδουράκης, Γεώργιος; Papadourakis, Georgios
    Σκοπός της παρούσας πρωτογενούς έρευνας είναι να μελετήσει τις απόψεις των καταναλωτών για την αγορά προϊόντων / υπηρεσιών τεχνολογίας μέσω του διαδικτύου. Η παρούσα Διπλωματική εργασία έχει στόχο να διερευνήσει α) την ικανοποίηση των καταναλωτών από τις αγορές τους στο διαδίκτυο, β) να αξιολογήσει τις εμπειρίες τους τόσο από τις συναλλαγές τους, όσο και από τις ιστοσελίδες / πλατφόρμες εταιρειών με προϊόντα / υπηρεσίες τεχνολογίας αλλά και γ) την ικανοποίησή τους από τα Ποιοτικά Χαρακτηριστικά της Απομακρυσμένης Επικοινωνίας / Εξυπηρέτησης. Επίσης θα μελετήσει τον βαθμό προτίμησης των φυσικών καταστημάτων έναντι των διαδικτυακών καταστημάτων αλλά και το κατά πόσο τα δημογραφικά χαρακτηριστικά των καταναλωτών και συγκεκριμένα το φύλο και το οικογενειακό εισόδημα επηρεάζουν τις αγορές τους στο διαδίκτυο.