ΑΝΑΓΝΩΡΙΣΗ ΚΑΤΗΓΟΡΙΑΣ ΨΥΧΙΚΩΝ ΠΑΘΗΣΕΩΝ ΚΑΙ ΔΙΑΤΑΡΑΧΩΝ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΕΧΝΙΚΕΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΚΑΙ ΑΝΑΛΥΣΗΣ ΕΙΚΟΝΩΝ

Abstract

Η παρούσα διπλωματική εργασία διερευνά τη χρήση τεχνητής νοημοσύνης για την υποβοήθηση της διάγνωσης ψυχιατρικών διαταραχών, με έμφαση στον Αλκοολισμό (Alcohol Use Disorder) και τη Σχιζοφρένεια. Στην εργασία αυτή, εξετάζεται η δυνατότητα ταξινόμησης των εν λόγω διαταραχών βάσει μη λεκτικών δεδομένων – συγκεκριμένα, σχεδίων που έχουν παραχθεί από ασθενείς. Χρησιμοποιούνται Συνελικτικά Νευρωνικά Δίκτυα (CNNs) υλοποιημένα σε Python με τις βιβλιοθήκες TensorFlow και Keras. Η εργασία προτείνει μια καινοτόμο αρχιτεκτονική συνδυαστικού (fusion) νευρωνικού δικτύου, η οποία συνενώνει χαρακτηριστικά από πολλαπλά μοντέλα για τη βελτίωση της ακρίβειας ταξινόμησης. Τα δεδομένα παρέχονται από τον ψυχίατρο Δρ. Κωνσταντίνο Λιόλιο και περιλαμβάνουν ανωνυμοποιημένα σχέδια ταξινομημένα ανά διαγνωστική ομάδα. Εφαρμόστηκαν τεχνικές επαύξησης δεδομένων και τακτοποίησης για την ενίσχυση της γενίκευσης, ενώ η απόδοση των μοντέλων αξιολογήθηκε μέσω δεικτών όπως η ακρίβεια και η απώλεια. Οπτικοποιήσεις του χώρου χαρακτηριστικών μέσω της μεθόδου t-SNE προσέφεραν περαιτέρω ερμηνεία των αποτελεσμάτων. Η προτεινόμενη αρχιτεκτονική fusion πέτυχε καλύτερα αποτελέσματα συγκριτικά με τα επιμέρους δίκτυα, αναδεικνύοντας τη δυναμική του συστήματος ως ένα καινοτόμο εργαλείο διαγνωστικής υποστήριξης βασισμένο σε γραφική είσοδο. Η παρούσα εργασία σηματοδοτεί ένα πρώτο, πρωτοποριακό βήμα προς την ενσωμάτωση εξηγούμενης τεχνητής νοημοσύνης στην αξιολόγηση ψυχικών διαταραχών.