Διπλωματική εργασία
Διπλωματική εργασία
Προαπαιτούμενα: Καλή γνώση μηχανικής μάθησης και προγραμματισμού σε Python
Ερευνητική περιοχή: Χρήση αλγορίθμων βαθειάς μάθησης για επεξεργασία βιοσημάτων
Στις παρακάτω προτεινόμενες διπλωματικές εργασίες θα χρησιμοποιηθούν τεχνικές βαθειάς μάθησης, που αποτελούν ένα σχετικά νέο και αναπτυσσόμενο υπο-πεδίο των τεχνικών μηχανικής μάθησης. Οι τεχνικές θα χρησιμοποιηθούν για την αυτόματη ανίχνευση/ταξινόμηση βιοσημάτων.
Ειδικά θέματα:
Είδος: Πειραματική
Προαπαιτούμενα: Βασικές αρχές μεθοδολογίας της έρευνας, γνώση φυσικών αρχών συστημάτων ακτινοδιαγνωστικής και διασφάλισης ποιότητας Ιατρικών Μηχανημάτων.
Ενδεικτική βιβλιογραφία: Dionysios Linardatos, George Fountos, Ioannis Valais, and Christos Michail, A Novel Method for Developing Thin Resin Scintillator Screens and Application in an X-ray CMOS Imaging Sensor, Sensors 2023, 23(14), 6588; https://doi.org/10.3390/s23146588
Είδος: Πειραματική
Προαπαιτούμενα: Βασικές αρχές μεθοδολογίας της έρευνας, γνώση φυσικών αρχών συστημάτων ακτινοδιαγνωστικής και διασφάλισης ποιότητας Ιατρικών Μηχανημάτων.
Ενδεικτική βιβλιογραφία: I. Seferis, C. Michail, J. Zeler, N. Kalyvas, I. Valais, G. Fountos, A. Bakas, I. Kandarakis, E. Zych, G. S. Panayiotakis (2018) Detective Quantum Efficiency (DQE) of high X-ray absorption Lu2O3:Eu Thin Screens: the role of shape and size of nano-and micro-grains. Appl. Phys. A. 124:604. https://doi.org/10.1007/s00339-018-2034-2
Είδος: Πειραματική
Προαπαιτούμενα: Βασικές αρχές μεθοδολογίας της έρευνας, γνώση φυσικών αρχών συστημάτων πυρηνικής ιατρικής.
Ενδεικτική βιβλιογραφία: Christos Michail, Panagiotis Liaparinos, Nektarios Kalyvas, Ioannis Kandarakis, George Fountos, Ioannis Valais, Phosphors and Scintillators in Biomedical Imaging, Review article Crystals 2024, 14(2), 169; https://doi.org/10.3390/cryst14020169
Είδος: Πειραματική
Προαπαιτούμενα: Βασικές αρχές μεθοδολογίας της έρευνας, γνώση φυσικών αρχών συστημάτων πυρηνικής ιατρικής, επιστήμης δημιουργίας εικόνας και προγραμματισμού.
Ενδεικτική βιβλιογραφία: G. P. Fountos, C. M. Michail, A. Zanglis, A. Samartzis, N. Martini, V. Koukou, I. Kalatzis and I. Kandarakis (2012) A novel easy-to-use phantom for the determination of MTF in SPECT scanners. Med. Phys. 39(3):1561-1570. https://doi.org/10.1118/1.3688196
Είδος: Πειραματική
Προαπαιτούμενα: Βασικές αρχές μεθοδολογίας της έρευνας, γνώση φυσικών αρχών συστημάτων πυρηνικής ιατρικής, επιστήμης δημιουργίας εικόνας και προγραμματισμού.
Ενδεικτική βιβλιογραφία: A. Konstantinidis, N. Martini, V. Koukou, G. Fountos, N. Kalyvas, I. Valais and C. Michail, RAD_IQ: A free software for characterization of digital X-ray imaging devices based on the novel IEC 62220-1-1:2015 International Standard, J. Phys.: Conf. Ser. 2021, Vol. 2090, 012107, doi: https://doi.org/10.1088/1742-6596/2090/1/012107.
Είδος: Πειραματική
Προαπαιτούμενα: Βασικές αρχές μεθοδολογίας της έρευνας, γνώση φυσικών αρχών συστημάτων ακτινοδιαγνωστικής και προγραμματισμού.
Ενδεικτική βιβλιογραφία: N. Martini, V. Koukou, G. Fountos, C. Michail, A. Bakas, I. Kandarakis, R. Speller, G. Nikiforidis (2017) Characterization of breast calcification types using dual energy X-ray method. Phys. Med. Biol. 62:7741-7764. doi: 10.1088/1361-6560/aa8445.
Είδος: Πειραματική
Προαπαιτούμενα: Βασικές αρχές μεθοδολογίας της έρευνας, γνώση φυσικών αρχών συστημάτων ακτινοδιαγνωστικής, κβαντικών επιστημών και οπτοηλεκτρονικής.
Ενδεικτική βιβλιογραφία: G. Saatsakis, C. Michail, C. Fountzoula, N. Kalyvas, A. Bakas, K. Ninos, G. Fountos, I. Sianoudis, I. Kandarakis, G S. Panayiotakis and I. Valais, Fabrication and luminescent properties of Zn-Cu-In-S / ZnS Quantum Dot films under UV excitation (2019) Applied Sciences. 9(11): 2367. https://doi.org/10.3390/app9112367
Είδος: Πειραματική
Προαπαιτούμενα: Χειρισμός σχεδιαστικών προγραμμάτων.
Ενδεικτική βιβλιογραφία: I. Kapetanakis, G. Fountos, C. Michail, I. Valais, N. Kalyvas (2017) 3D printing X-Ray Quality Control Phantoms. A Low Contrast Paradigm. J. Phys.: Conf. Ser. 931:012026. doi: 10.1088/1742-6596/931/1/012026.
Είδος: Πειραματική
Προαπαιτούμενα: Ν/Α
Ενδεικτική βιβλιογραφία: J. Yang, M. Monnot, Y. Sun, L. Asia, P. Wong-Wah-Chung, P. Doumenq, P. Moulin, Microplastics in different water samples (seawater, freshwater, and wastewater): Methodology approach for characterization using micro-FTIR spectroscopy, Water Research, Volume 232, 2023, 119711, https://doi.org/10.1016/j.watres.2023.119711.
Είδος: Πειραματική
Προαπαιτούμενα: Ν/Α
Ενδεικτική βιβλιογραφία: Post-COVID-19 dyspnoea and pulmonary imaging: a systematic review and meta-analysis
Elizabeth Guinto, Firoozeh V. Gerayeli, Rachel L. Eddy, Hyun Lee, Stephen Milne, Don D. Sin, European Respiratory Review Sep 2023, 32 (169) 220253; doi: 10.1183/16000617.0253-2022
Είδος: Πειραματική
Προαπαιτούμενα: Βασικές αρχές μεθοδολογίας της έρευνας, γνώση φυσικών αρχών συστημάτων μηχανισμών Αυτοματισμών Ιατρικών Συστημάτων.
Ενδεικτική βιβλιογραφία: Ośródka, K., Otop, I., and Szturc, J.: Automatic quality control of telemetric rain gauge data providing quantitative quality information (RainGaugeQC), Atmos. Meas. Tech., 2022, 15, 5581–5597, https://doi.org/10.5194/amt-15-5581-2022.
Wearable σύστημα ανάλυσης στάσης σώματος
Στα πλαίσια της διπλωματικής εργασίας θα υλοποιηθεί σύστημα που με χρήση δεδομένων από αισθητήρες (επιταχυνσιόμετρο, γυροσκόπιο, μαγνητόμετρο) θα αναλύει την στάση σώματος του χρήστη και θα ειδοποιεί για δυνητικά επιβλαβείς συνθήκες. Πιο συγκεκριμένα, ο φοιτητής/η φοιτήτρια αρχικά θα ολοκληρώσει μια βιβλιογραφική μελέτη σχετικά με τις βασικές μυοσκελετικές παθήσεις της σπονδυλικής στήλης και τεχνικές μέτρησης – καταγραφής τους με ηλεκτρονικούς αισθητήρες. Στην συνέχεια θα αναπτύξει σύστημα ανίχνευσης της στάσης του σώματος με σκοπό να ειδοποιείται ο χρήστης όταν βρίσκεται κάτω από καταπονητικές συνθήκες (π.χ. κακή στάση σώματος στο γραφείο κλπ.). Το σύστημα αρχικά θα αναπτυχθεί με ενσύρματα μέσα τροφοδοσίας και μετάδοσης, με τελικό στόχο την μεταφορά σε πλήρως wearable (ασύρματο και με μπαταρίες) σύστημα.
Ενδεικτικά προτεινόμενες τεχνολογίες υλοποίησης: μικροελεγκτές ESP32-RP2040-STM32x (με Arduino framework), edge AI: tinyML, AIfES