Bio-optical modeling of epithelial neoplasiaBio-optical modeling of epithelial neoplasiaΒιο-οπτική μοντελοποίηση της επιθηλιακής νεοπλασίας Διπλωματική Εργασία Diploma Work 2019-10-102019enOver the last years, a radical change regarding diagnosis of cervical neoplasia has been prepared. Classic procedure involving biopsy may be replaced by in vivo non invasive optical biopsy. In this thesis, we are studying a model that estimates for each combination of 4 biological parameters, the spatiotemporal curves of diffused reflectance versus time, that are produced during the acetowhitening phenomenon. We aim to solve the reverse problem, estimating the bio-parameters given the curve, efficiently in terms of both accuracy and speed. Initially, we used several curve matching algorithms to decide which is optimal for the problem. Then, we used k-means clustering on the model dataset to reduce comparisons and lower procedure duration. Finally, we correlated curve features to bio-parameters and created a decision rule for instant bio-parameter estimation through optimization with decision regions. Judging from the estimation accuracy and the calculations on execution times, we have strong confidence in the future of the method.Τα τελευταία χρόνια έχει προετοιμαστεί μία δραστική αλλαγή σχετικά με τη διάγνωση της νεοπλασίας του τραχήλου της μήτρας. Η κλασική διαδικασία που εμπλέκει βιοψία ίσως αντικατασταθεί από μία in vivo μη επεμβατική οπτική βιοψία. Στην παρούσα εργασία μελετάμε ένα μοντέλο που εκτιμά, για κάθε συνδυασμό τεσσάρων βιολογικών παραμέτρων, τις χωροχρονικές καμπύλες διάχυτης ανάκλασης ως προς το χρόνο, οι οποίες παράγονται κατά τη διάρκεια του οξυ-λευκαντικού φαινομένου. Στοχεύουμε να λύσουμε το αντίστροφο πρόβλημα, να εκτιμήσουμε τις βιοπαραμέτρους δεδομένης της καμπύλης, αποτελεσματικά ως προς την ακρίβεια και την ταχύτητα. Αρχικά χρησιμοποιήσαμε διάφορους αλγορίθμους σύγκρισης καμπυλών για να αποφασίσουμε τον βέλτιστο για το πρόβλημα. Έπειτα χρησιμοποιήσαμε ομαδοποίηση με k-means στη συλλογή δεδομένων του μοντέλου για να μειώσουμε το συγκρινόμενο σύνολο καμπυλών μειώνοντας και τη διάρκεια της διαδικασίας. Τελικά συσχετίσαμε χαρακτηριστικά των καμπυλών με βιοπαραμέτρους και δημιουργήσαμε κανόνες απόφασης για άμεση εκτίμηση βιοπαραμέτρων μέσω βελτιστοποίησης με περιοχές απόφασης. Κρίνοντας από την ακρίβεια εκτίμησης βιοπαραμέτρων και τους χρόνους εκτέλεσης, έχουμε ισχυρή εμπιστοσύνη στο μέλλον της μεθόδου.Διπλωματική εργασία για λήψη διπλώματος προπτυχιακών σπουδών ΗΜΜΥhttp://creativecommons.org/licenses/by/4.0/Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών ΥπολογιστώνPapadogiannis_Sevastianos_Dip_2019.pdfChania [Greece]Library of TUC2019-10-10application/pdf1.2 MBembargo Papadogiannis Sevastianos Παπαδογιαννης Σεβαστιανος Balas Costas Μπαλας Κωστας Garofalakis Minos Γαροφαλακης Μινως Samoladas Vasilis Σαμολαδας Βασιλης Πολυτεχνείο Κρήτης Technical University of Crete Cervical cancer