| dc.contributor.author | Ιορδανίδου, Αθηνά | |
| dc.date.accessioned | 2023-03-28T12:53:32Z | |
| dc.date.available | 2023-03-28T12:53:32Z | |
| dc.date.issued | 2023-03 | |
| dc.identifier.uri | https://dspace.uowm.gr/xmlui/handle/123456789/3256 | |
| dc.description.abstract | Η αξιολόγηση του πόνου αποτελεί σημαντικό παράγοντα για την εκτίμηση της κατάστασης της υγείας των ασθενών. Σε περιπτώσεις που οι ασθενείς αδυνατούν να εκφράσουν την ύπαρξη ή ένταση του πόνου που βιώνουν, η εύρεση της πάθησης και κατ’ επέκταση θεραπείας καθίσταται δυσκολότερη. Η αυτοματοποίηση της αξιολόγησης του πόνου μέσω της ιατρικής πληροφορικής μπορεί να διευκολύνει το έργο των υγειονομικών εργαζόμενων. Η παρούσα διπλωματική εργασία μελετά τον εντοπισμό και αξιολόγηση του πόνου μέσω της ανάλυσης ηλεκτροεγκεφαλογραφήματος (ΗΕΓ). Σύμφωνα με παρόμοιες μελέτες η ανάλυση των ηλεκτροφυσιολογικών δεδομένων μπορεί να εξάγει χαρακτηριστικά, όπως η σχετική πυκνότητα φασματικής ισχύος - Power Spectral Density (PSD) που χρησιμοποιείται στο παρόν σύγγραμμα, για την ταξινόμηση τους μέσω μηχανικής μάθησης. Αντικείμενο της μελέτης είναι η ανάλυση των σημάτων και εξόρυξη των χαρακτηριστικών τους με σκοπό την αυτόματη αξιολόγηση των επιπέδων του πόνου από αλγορίθμους ταξινόμησης. Για την συλλογή των δεδομένων πραγματοποιήθηκε πειραματική μελέτη με χρήση του πρωτοκόλλου ψυχρής πίεσης - Cold Pressor Test (CPT) για την προσομοίωση του πόνου και καταγραφή των επιπέδων έντασης αυτού. Η ανάλυση των ηλεκτροφυσιολογικών σημάτων σε πέντε και τρία επίπεδα πόνου έγινε με τεχνικές επεξεργασίας ψηφιακών σημάτων, σε συνεργασία με πλατφόρμες μηχανικής μάθησης και εξόρυξης δεδομένων για την ταξινόμηση τους. Η ερεύνα είχε ως αποτέλεσμα την ταξινόμηση των 5 επιπέδων πόνου με ποσοστό επιτυχίας κατά 80.59% και 86.13% για 3 επίπεδα πόνου αντίστοιχα, γεγονός που καθιστά την μελέτη της αυτόματης αξιολόγησης πόνου μια αρκετά υποσχόμενη λύση για τους μη επικοινωνιακούς ασθενείς και γενικότερα στο χώρο της υγείας. | en_US |
| dc.description.sponsorship | Επιβλέπων (αναπληρωτής καθηγητής): Τσίπουρας Μάρκος | en_US |
| dc.language.iso | gr | en_US |
| dc.publisher | Ιορδανίδου, Αθηνά | en_US |
| dc.subject | Ηλεκτροεγκεφαλογράφημα, ΗΕΓ, πόνος, CPT, ταξινόμηση, εξόρυξη δεδομένων, μηχανική μάθηση, τεχνητή νοημοσύνη | en_US |
| dc.subject | Electroencephalogram, EEG, pain, CPT - Cold Pressor Test, classifying, data mining, machine learning, artificial intelligence | en_US |
| dc.title | Εντοπισμός και αξιολόγηση πόνου με ανάλυση ηλεκτροεγκεφαλογραφήματος | en_US |
| dc.title.alternative | Pain assessment based on EEG analysis | en_US |
| dc.type | Thesis | en_US |
