Announcements

Announcements2020-02-11T12:59:59+00:00
2702, 2024

Παρουσίαση Διπλωματικής Εργασίας κ. Ιωάννη Καρπούζη, Πέμπτη 29/2/2024, 15.00

Την Πέμπτη 29 Φεβρουαρίου 2024, στις 15:00, ο Ιωάννης Καρπούζης
μεταπτυχιακός φοιτητής του προγράμματος «Επιστήμη Δεδομένων και
Τεχνολογίες Πληροφορίας», με ειδίκευση «Βιοπληροφορική - Επιστήμη
Βιοϊατρικών Δεδομένων», θα παρουσιάσει την διπλωματική  εργασίας του με
τίτλο:

«Δημιουργία υπολογιστικής αλυσίδας επεξεργασίας σήματος και μηχανικής
μάθησης για ανάλυση δεδομένων ακτιγραφίας με σκοπό τη διάγνωση της
γνωστικής εξασθένησης»

Περίληψη

Η πρόβλεψη πρώιμων σταδίων γνωσιακής έκπτωσης μπορεί να οδηγήσει σε
περαιτέρω διαγνωστικό έλεγχο, έγκαιρη έναρξη φαρμακευτικής αγωγής και
εφαρμογή στρατηγικών δευτερογενούς πρόληψης. Από την ανασκόπηση της
πρόσφατης βιβλιογραφίας προκύπτει συσχέτιση συγκεκριμένων χαρακτηριστικών
ακτιγραφίας με τον κίνδυνο ανάπτυξης άνοιας. Σε αυτή τη διπλωματική
εργασία, αναπτύχθηκε ένα ολοκληρωμένο σύστημα  ψηφιακής επεξεργασίας
σήματος, εξαγωγής χαρακτηριστικών και μηχανικής μάθησης που επιτρέπει τη
συστηματική ανάπτυξη και αξιολόγηση μοντέλων πρόβλεψης για μεταβλητές (end
points) που σχετίζονται με τη γνωστική έκπτωση. Για τέσσερις οικογένειες
συνόλων χαρακτηριστικών που έχουν περιγραφεί στη βιβλιογραφία -
παραμετρικά, μη παραμετρικά, βασισμένα στο μετασχηματισμό Fourier και
βασισμένα στο μετασχηματισμό Κυματιδίων (Wavelets) - αξιολογήθηκε η
απόδοση δέκα διαφορετικών αλγορίθμων μηχανικής μάθησης χρησιμοποιώντας
μια διεπίπεδη διαστρωματωμένη μέθοδο επικύρωσης με διασπασμένες πτυχές
(nested cross-validation) διατηρώντας τις αναλογίες των κατηγοριών σε κάθε
πτυχη (stratified). Αποδεικνύουμε ότι η χρήση χαρακτηριστικών βασισμένων
σε κυματίδια (wavelets) και ταξινομητών Δάσους Τυχαίων Δέντρων (Random
Forests) μπορεί να προβλέψει με ευαισθησία και ειδικότητα που υπερβαίνουν
το 0,8 δυαδική μεταβλητή διάγνωσης της ήπιας γνωστικής διαταραχής (MCI)
όπως αυτή καθορίζεται για κάθε ασθενή από  κλινικούς γιατρούς μετά από την
επίσκεψη συνυπολογίζοντας διάφορα κριτήρια. Επιπλέον, το σύστημά μας
μπορεί να χρησιμοποιηθεί για να βρεθούν διαφορετικοί συνδυασμοί (σύνολο
χαρακτηριστικών, αλγόριθμος μηχανικής μάθησης) που να υπερβαίνουν τις
απαιτήσεις (ευαισθησία, ειδικότητα) που έχει ορίσει ο χρήστης και να
εξερευνήσουν το μεγάλο χώρο των πιθανών λύσεων για κατάλληλα μοντέλα
πρόβλεψης. Οι μέθοδοί μας εφαρμόζονται σε οποιοδήποτε σύνολο δεδομένων
χρονοσειράς ακτιγραφίας, ισορροπημένο ή μη ισορροπημένο, και σε σχέση με
οποιοδήποτε τελικό σημείο (μεταβλητή) πρόβλεψης (δυαδικό ή συνεχές) που
ενδιαφέρει για ερευνητικούς σκοπούς ή για την υποστήριξη κλινικών
αποφάσεων. Η εργασία αυτή πραγματοποιήθηκε σε συνεργασία με την ομάδα
ALBION του Αιγινήτειου Νοσοκομείου του Εθνικού και Καποδιστριακού
Πανεπιστημίου, η οποία  μας παρείχε το σύνολο δεδομένων που αναλύθηκε.


ΕΞΕΤΑΣΤΙΚΗ ΕΠΙΤΡΟΠΗ:

Δρ. Ηλίας Μανωλάκος, Καθηγητής, Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών (Επιβλέπων)
Δρ. Νικόλαος Σκαρμέας, Καθηγητής Νευρολογίας, Τμήμα Ιατρικής Σχολής,
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Δρ. Σταύρος Περαντώνης, Διευθυντής Ερευνών, Ίδρυμα ΕΚΕΦΕ, Δημόκριτος



On  Thursday, February 29, 2024, at 15:00, Mr.  Ioannis Karpouzis  of  the
graduate program “Data Science and Information Technologies”,
concentration on “Bioinformatics - Biomedical Data Science”, will present
his MSc thesis titled:

“Signal processing and machine learning pipeline for actigraphy data
analysis aiming to diagnose early cognitive decline”

Abstract

Predicting early stages of cognitive decline may lead to further
diagnostic workup, prompt initiation of medical management, and use of
preventive strategies. Recent literature relates specific sleep-wake
actigraphy features with the risk of developing dementia or Alzheimer’s
disease in the future. In this graduate thesis, an end-to-end signal
processing, feature engineering, and machine learning pipeline was
developed, allowing us to build and evaluate predictive models of
cognitive decline-related endpoints systematically for different feature
sets. For four different feature set families suggested in the literature
- parametric, non-parametric, Discrete Fourier Transform-based, and
Discrete Wavelet Transform-based - we assessed the performance of ten
different machine learning algorithms using the pipeline and a stratified
nested cross-validation approach.  We demonstrate that using wavelet-based
features and Random Forest classifiers may reach sensitivity and
specificity exceeding 0.8 for an MCI (Minor Cognitive Impairment) early
diagnosis endpoint assigned by clinicians.  Moreover, our end-to-end
pipeline can be used to find different  (feature set, ML algorithm)
combinations that exceed (sensitivity, specificity) requirements set by
the user and explore the large space of possible predictive model
solutions. Our methods apply to any actigraphy time series dataset,
balanced or imbalanced, and any prediction endpoint of interest for
research purposes or clinical decision support. This work was performed in
collaboration with the ALBION project of Aiginition Hospital, University
of Athens, Greece which provided the dataset analyzed.

EXAMINATION COMMITTEE:

Dr. Elias Manolakos, Professor, Department of Informatics and
Telecommunications, University of Athens (thesis supervisor)

Dr. Nikolaos Skarmeas, Professor of Neurology, Department of Medicine,
University of Athens.

Dr. Stavros Perantonis, Research Director National Center for Scientific
Research “Demokritos”

Join Zoom Meeting
https://us02web.zoom.us/j/86587038876
Meeting ID: 865 8703 8876
2212, 2023

Χορήγηση υποτροφίας στους μεταπτυχιακούς φοιτητές του ΕΚΠΑ με καταγωγή από τις περιοχές που έχουν πληγεί από τις πλημμύρες

Η Σύγκλητος του ΕΚΠΑ, λαμβάνοντας υπόψη την εισήγηση της Επιτροπής Μεταπτυχιακών Σπουδών και την προφορική εισήγηση του κ. Πρύτανη, αποφασίζει ομόφωνα τη χορήγηση υποτροφίας στους μεταπτυχιακούς φοιτητές του ΕΚΠΑ με καταγωγή από τις περιοχές που έχουν πληγεί από τις πλημμύρες.
Η υποτροφία απαλλάσσει τους μεταπτυχιακούς φοιτητές από την καταβολή τελών φοίτησης στο ΠΜΣ για ένα ακαδημαϊκό εξάμηνο.

Η υποβολή της αίτησης και των δικαιολογητικών των δικαιούχων μεταπτυχιακών φοιτητών πραγματοποιείται αποκλειστικά ηλεκτρονικά, στη διεύθυνση: https://eprotocol.uoa.gr

  • Επιλέγοντας την αίτηση 01. Γενική Αίτηση προς Γραμματεία Τμήματος (Φοιτητικά Θέματα, κα)
  • Επισυνάπτοντας ως δικαιολογητικό το πιστοποιητικό της Επιτροπής επανελέγχου της Γενικής Διεύθυνσης Αποκατάστασης Επιπτώσεων Φυσικών Καταστροφών (ΓΔΑΕΦΚ).

Δείτε εδώ την απίφαση.

612, 2023

Ανακοίνωση ορκωμοσίας Εαρινού εξαμήνου – Σεπτεμβρίου α.ε. 2022-2023

Η ορκωμοσία των διδακτόρων και μεταπτυχιακών αποφοίτων όλων των μεταπτυχιακών προγραμμάτων  του Τμήματός μας, των εξεταστικών περιόδων Ιουνίου και Σεπτεμβρίου του ακαδημαϊκού έτους 2022-2023, θα πραγματοποιηθεί την Πέμπτη 25 Ιανουαρίου 2024 και ώρα 13: 00, στο Αμφιθέατρο Καραθεοδωρή του Τμήματος Μαθηματικών, Πανεπιστημιούπολη, Ιλίσια.

Απαραίτητη προϋπόθεση για τη συμμετοχή σας στην ορκωμοσία, είναι:

1) η δήλωση συμμετοχής σύμφωνα με το επισυναπτόμενο υπόδειγμα,

2) η δήλωση συγκατάθεσης για χρήση φωτογραφίας και βίντεο σε εκδηλώσεις του ΕΚΠΑ σύμφωνα με το επισυναπτόμενο υπόδειγμα.

Τα παραπάνω έντυπα θα πρέπει να αποσταλούν μέσω ηλεκτρονικού μηνύματος με Θέμα: ΣΥΜΜΕΤΟΧΗ ΣΤΗΝ ΟΡΚΩΜΟΣΙΑ ΠΜΣ στην διεύθυνση: secretpm@di.uoa.gr έως τις 15/01/2024.

Σύμφωνα με απόφαση του Αντιπρύτανη Διοικητικών Υποθέσεων και Φοιτητικής Μέριμνας,  επιτρέπονται έως και τέσσερεις (4) συνοδοί.

Οι ορκιζόμενοι  θα πρέπει να βρίσκονται στην είσοδο του κτιρίου μια ώρα πριν την έναρξη της τελετής, κρατώντας την αστυνομική τους ταυτότητα και την καθομολόγησή τους, την οποία θα λάβουν στο φοιτητικό τους λογαριασμό e-mail, μία εβδομάδα πριν από την Τελετή.

 

Από τη Γραμματεία του Τμήματος

2711, 2023

Δηλώσεις μεταπτυχιακών μαθημάτων και Διπλωματικών Εργασιών Χειμερινού εξαμήνου 2023-24

  • Καλούνται οι μεταπτυχιακοί φοιτητές ΜΕ ΕΤΗ ΕΙΣΑΓΩΓΗΣ 2018, 2019 ΚΑΙ 2020 των ΠΜΣ και ΔΠΜΣ: να δηλώσουν έως 6 μαθήματα χειμερινού εξαμήνου και Διπλωματική Εργασία, από τις 27.11.2023 ως τις 22.12.2023 στο  Πληροφοριακό Σύστημα Διαχείρισης Μεταπτυχιακών Σπουδών: https://pgs.di.uoa.gr
  • Καλούνται οι νέοι μεταπτυχιακοί φοιτητές ΜΕ ΕΤΗ ΕΙΣΑΓΩΓΗΣ 2021, 2022 και 2023 όλων των παραπάνω ΠΜΣ και ΔΠΜΣ να δηλώσουν έως 6 μαθήματα χειμερινού εξαμήνου και Διπλωματική Εργασία, από τις από τις τις 27.11.2023 ως τις 22.12.2023 στην  Πύλη Φοιτητολογίου του ΕΚΠΑ:  https://my-uni.uoa.gr/
  • Η δήλωση μαθημάτων είναι υποχρεωτική για όλους τους μεταπτυχιακούς φοιτητές ΜΕ ΕΤΗ ΕΙΣΑΓΩΓΗΣ 2018, 2019, 2020, 2021, 2022 ΚΑΙ 2023 .