Μεταπτυχιακή Διπλωματική Εργασία / Master Thesis
- Enseignant: Αλετράς Αντώνιος
- Enseignant: Γεωργιάδου Ευφροσύνη
- Enseignant: Δάρας Πέτρος
- Enseignant: Δελήμπασης Κωνσταντίνος
- Enseignant: Μπαμίδης Παναγιώτης
- Enseignant: Φραντζίδης Χρήστος
- Enseignant: Χουβαρδά Ιωάννα
- Enseignant: Καβακιωτης Ιωαννης
- Enseignant: Μαλούση Αντιγόνη
- Enseignant: Τσαβέ Όλγα
- Enseignant: Φιλος Δημητριος
- Enseignant: Χουβαρδά Ιωάννα
Aim of the course 1 Students by the end of the course should have aquired good R-programming skills. |
2 They should have familiarity with foundational statistical values and concepts that are usually referred to in research work |
3 They could interpret graphs encountered on research articles and create their own meaningful graphs |
4 They could perform statistical data analysis and extract information by exploring the data |
5 Get familiar with models in machine learning using R |
6 Students could be able to handle sets of medical data and process medical images and signals. |
Objectives
1 Students by the end of the course should have understood basic programming concepts that apply to not only R, but also to other programming languages. |
2 Students should have familiarity with foundational statistical values and concepts. Students should be able to understand the meaning of statistical words like variance, standard deviation, p-value and compute them by using R. |
3 They should be able to read and interpret graphs and formulate their own meaningful graphs from available data |
4 They could perform basic statistical analysis. |
5 They could experiment on forming a machine learning model, using medical data. |
6 Students could be able to use Octave to handle sets of data, images and signals (i.e. apply filter transformation). |
Instructors
Paschaloudi Vasileia, PhD, PostDoc cand, Medical School AUTH , Laboratory Τeaching Staff, Lab of Computing, Medical Informatics and Biomedical – Imaging Technologies
Filos Dimitris, PhD, PostDoc cand, Lund University
- Enseignant: Αλετράς Αντώνιος
- Enseignant: Πασχαλούδη Βασιλεία
- Enseignant: Φιλος Δημητριος
- Enseignant: Αναστασόπουλος Νικόλαος
- Enseignant: Ανέστης Δημήτριος
- Enseignant: Ασουχίδου Ειρήνη
- Enseignant: Ατματζίδης Στέφανος
- Enseignant: Καπουκρανίδου Δωροθέα
- Enseignant: Κοσμίδης Ευστράτιος
- Enseignant: Λυρτζης Χρηστος
- Enseignant: Μάνθου Μαρία Ελένη
- Enseignant: Μαντατζής Μιχαήλ
- Enseignant: Μυκονιατης Ιωαννης
- Enseignant: Παρασκευάς Γεώργιος
- Enseignant: Τότλης Τρύφων
- Enseignant: Χατζησωτηρίου Αθανάσιος
AIMS
1 Understanding of the basic challenges of data science in medicine
2 Understanding of machine learning methods
3 Familiarization with the use of ML techniques and tools 4 Familiarization with the application of ML methods towards solving specific problems with different types of biomedical data
- Enseignant: Μαλούση Αντιγόνη
- Enseignant: Πασχαλούδη Βασιλεία
- Enseignant: Φιλος Δημητριος
- Enseignant: Χουβαρδά Ιωάννα
Ο σκοπός του μαθήματος είναι παρουσίαση των βιοϊατρικών σημάτων καθώς και τεχνικών επεξεργασίας με στόχο τη διάγνωση. Η ύλη του μαθήματος περιλαμβάνει: Εισαγωγή στα σήματα και τη σημασία τους στην ιατρική έρευνα και τις υπηρεσίες υγείας, Μιγαδικά & Πραγματικά σήματα, Δειγματοληψία, μετασχηματισμός Fourier, ανάλυση με wavelets, ληψη και επεξεργασία ηλεκτροκαρδιογραφήματος (ΗΚΓ), έννοια του καρδιακού ρυθμού (θεωρία και hands-on), ανάλυση ΗΚΓ και μεταβλητότητας του καρδιακού ρυθμού (θεωρια και handson), είδη σημάτων εξατομικευμένης ιατρικής φροντίδας υγείας-κοινωνικά σήματα και άλλα, προεπεξεργασία νευροφυσιολογικών σημάτων, επεξεργασία νευροφυσιολογικών σημάτων/Βαθειά Μάθηση, προ/επεξεργασία νευροφυσιολογικών σημάτων για λειτουργική απεικόνιση κ δίκτυα, αναγνώριση προτύπων προσωπικότητας. Με την επιτυχή ολοκλήρωση του μαθήματος οι μεταπτυχιακοί φοιτητές θα είναι σε θέση να γνωρίζουν τους τύπους βιοϊατρικών σημάτων, τη μαθηματική αναπαράσταση μιγαδικών σημάτων, βασικές αρχές επεξεργασίας σήματος καθώς και νεότερες τεχνικές μέσω νευρωνικών δικτύων.
- Enseignant: Αλετράς Αντώνιος
- Enseignant: Αναγνωστοπουλου Αλεξανδρα
- Enseignant: Αντωνιου Παναγιωτης
- Enseignant: Καβακιωτης Ιωαννης
- Enseignant: Μπαμίδης Παναγιώτης
- Enseignant: Πασχαλούδη Βασιλεία
- Enseignant: Στυλιαδης Χαραλαμπος
- Enseignant: Φιλος Δημητριος
- Enseignant: Φραντζίδης Χρήστος
- Enseignant: Χουβαρδά Ιωάννα
|
- Enseignant: Βρέτος Νικόλαος
- Enseignant: Δάρας Πέτρος
- Enseignant: Αλετράς Αντώνιος
- Enseignant: Χουβαρδά Ιωάννα
In depth study of the technological standards that govern Medical and Biomedical devices.
Μελέτη σε βάθος των τεχνολογικών προτύπων που διέπουν τις Ιατρικές και Βιοϊατρικές συσκευές.
- Enseignant: Μπαμίδης Παναγιώτης