Πλοήγηση ανά Συγγραφέας "Trivizakis, Eleftherios"

Τώρα δείχνει 1 - 2 of 2
  • Μικρογραφία εικόνας
    Τεκμήριο
    Extracting high-dimensional features from medical images by utilizing deep learning techniques.
    (Τ.Ε.Ι. Κρήτης, Σχολή Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), ΠΜΣ Πληροφορική και Πολυμέσα, 2019-02-05) Trivizakis, Eleftherios; Τριβιζάκης, Ελευθέριος
    Machine Learning, as a field of computer science started in the early 1960s. Recently, with the rise of high-throughput computing and the massively available data, advanced machine learning techniques have led to unprecedented results in image processing and computer vision analysis applications. This was due to the introduction of novel architectures such as recurrent, deep belief, convolutional networks and other deep architectures, as well as the availability of more sophisticated hardware or cluster computing, better training methods and strategies, efficient regularization and normalization algorithms. A large number of image processing and computer vision applications have seen significant benefits from the application of advanced machine learning techniques including image classification, text-to-image retrieval, object recognition, enhancement, registration, segmentation and generation. Regarding, Medical Imaging deep learning applications such as automated organ or object segmentation, lesion classification or detection and image quality enhancement have achieved significantly advanced results, performing near or even better than a human expert. In this master thesis a 2D and a 3D CNN has been developed for extracting multi-dimensional medical image features for discriminating between primary vs metastatic malignant liver lesions. The proposed network consists of four consecutive strided 3D Convolutional layers with 3x3x3 kernel size and ReLU as activation function followed by a fully-connected layer with 2048 neurons and a Softmax layer for binary classification. A dataset comprised of 107 DW-MRI scans was used for training and validation in both networks. In particular, 2D and 3D CNNs were designed for liver cancer differentiation and trained by the same dataset. The results demonstrated a superior classification performance of the 3D over the 2D with 93.9% vs 65% and 95% vs 67% tissue classification accuracy and sensitivity respectively. These results suggest that there are potential benefits of Deep Learning on diffusion MRI in enhancing the diagnostic information towards more precise, personalized health care of liver cancer patients. Early image-based information regarding primary-metastatic pathology can optimize therapy decisions early and spare patients of unnecessary therapy.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Κινητή εφαρμογή για πληροφορίες σε πραγματικό χρόνο σχετικές με τα δρομολόγια των αστικών λεωφορείων.
    (Τ.Ε.Ι. Κρήτης, Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), Τμήμα Μηχανικών Πληροφορικής Τ.Ε., 2015-10-14T14:28:23Z) Τριβιζάκης, Ελευθέριος; Trivizakis, Eleftherios
    Στην εν λόγω πτυχιακή εργασία επιχειρείται να αποτυπωθεί ο ορισμός και η ανάλυση των σύγχρονων εννοιών όπως «πανταχού παρούσα πληροφορική», διαδίκτυο των πραγμάτων καθώς και ο αντίκτυπός τους στον άνθρωπο, την κοινωνία και γενικότερα στις επιχειρήσεις. Παρουσιάζονται τα τεχνικά χαρακτηριστικά συστημάτων θεσηγνωσίας, γίνεται ιστορική αναδρομή από την σύλληψη της ιδέας στα στάδια υλοποίησης τους, αναδεικνύεται ο ανταγωνισμός για την επικράτηση στην αγορά δορυφορικής πλοήγησης των ετερόκλητων υπερεθνικών οργανισμών διαστήματος καθώς και η διαφοροποίηση στον τρόπο λειτουργίας τους. Επιχειρείται επίσης μια διερευνητική ματιά στο όραμα για σκεπτόμενα σπίτια και κατ’ επέκταση στις σκεπτόμενες πόλεις όπου η ποιότητα ζωής, η ασφάλεια στις μετακινήσεις και η προστασία του περιβάλλοντος αποτελούν αντικειμενικό σκοπό. Παράλληλα αναδεικνύονται οι επιπτώσεις από την χρήση έξυπνων συστημάτων στην καθημερνή ζωή, οι νέες μορφές αξιοποίησης αυτών των τεχνικών σε ένα ευρύ φάσμα δραστηριοτήτων και οι κίνδυνοι που ελλοχεύουν από τους πάροχους υπηρεσιών με επίγνωση θέσης. Αναλύεται η αγορά σκεπτόμενων συσκευών παγκοσμίως, η μάχη για την υιοθέτηση του φορητού λειτουργικού συστήματος, η αγορά υπηρεσιών με επίγνωση θέσης και η ζήτηση των επιμέρους εφαρμογών τους. Επίσης παρουσιάζονται τα εμπόδια στην ανάπτυξη του κλάδου αλλά και τον σκεπτικισμό για την χρήση προσωπικών δεδομένων και της παραβίασης ιδιωτικότητας από μη εξουσιοδοτημένους οργανισμούς, εταιρίες ή κακόβουλα άτομα. Τρόποι αξιοποίησης των εργαλείων ανάπτυξης εφαρμογών και υπηρεσιών ανατροφοδοτούμενες από την τρέχουσα θέση μέσω συμβάντων θέσης, ενσωμάτωση στην πράξη διεπαφών προγραμματισμού εφαρμογών χάρτη σε ιστοτόπους και σε εφαρμογές Android. Τέλος παρουσιάζεται, ενδεικτικά υλοποιημένο, ένα δυναμικό σύστημα παροχής θέσης των λεωφορείων σε πραγματικό χρόνο για την πόλη του Ηρακλείου, στο smartphone του χρήστη ή σε περιηγητή ιστοσελίδων. Αναλύονται επιμέρους οι τεχνικές ανάκτησης δεδομένων από τον διακομιστή του συστήματος, η αποστολή δεδομένων θέσης και ο μετασχηματισμός τους σε αντικείμενα τα οποία αντιλαμβάνεται το επιλεγμένο Maps API καθώς και η διάδραση με τον χρήστη.