11894 research outputs found
Sort by
Fracture differentiation between falls and blows through CT scans : A validation study
Get PDFThe challenge of differentiating falls from blows has been widely discussed in literature, yet no robust method has been established. Various approaches have been developed to address this issue, and in this thesis, the fracture differentiation method proposed by Henriques et al. (2023, 2024) was tested to evaluate its effectiveness by applying the prediction model application to an independent forensic sample (n=19). A high prediction accuracy (100%) for fall cases was accomplished, but a significant misclassification rate for blow cases (100% misclassified as falls) occurred, leading to an overall accuracy of 66.67%. These findings aligned with the original study’s remark about the falls being predicted more accurately than blows. The consistency in fall prediction suggests that the model can distinguish fall-related fractures relatively well. However, the high misclassification rate for blows indicates some limitations in the prediction process, highlighting the need for further research
3D simulations of air pollution and nutrient deposition in the Eastern Mediterranean region
No full textΗ παρούσα διδακτορική διατριβή εντάσσεται στο ευρύτερο πλαίσιο των αριθμητικών προσομοιώσεων για τον έλεγχο της ποιότητας του αέρα. Έχει ως στόχο να μελετήσει την σύσταση της ατμόσφαιρας και την εναπόθεση θρεπτικών συστατικών στην επίγεια και θαλάσσια περιοχή της Μεσογείου. Ενδιαφέρον παρουσιάζει η μεταφορά μέσω της ατμόσφαιρας αεριών ρύπων όπως το όζον και το μονοξείδιο του άνθρακα, που επηρεάζουν την οξειδωτική ικανότητα της ατμόσφαιρας καθώς επίσης και αιωρούμενων σωματιδίων, τα οποία μεταφέρουν θρεπτικά συστατικά όπως το άζωτο, θείο και φώσφορο. Με την εναπόθεση τους σε χερσαίες και θαλάσσιες περιοχές της Μεσογείου, επηρεάζουν τα οικοσυστήματα αλλά και την ανθρώπινη υγεία. Στη παρούσα εργασία χρησιμοποιήθηκε το μοντέλο μέσης κλίμακας WRF-CHEM (Weather Research and Forecasting) για να μελετηθεί η ατμοσφαιρική ρύπανση και η ατμοσφαιρική εναπόθεση θρεπτικών στη Μεσόγειο. Κατ’ αρχάς αξιολογήθηκε η ικανότητα του μοντέλου να προσομοιώνει την μετεωρολογία και την ατμοσφαιρική ρύπανση στη περιοχή με σύγκριση με παρατηρήσεις. Κατόπιν αναπτύχθηκαν κατάλληλα υποπρογράμματα για να υπολογιστούν με το WRF-CHEM, η ροή εναπόθεσης αζώτου και φωσφόρου καθώς και οι ατμοσφαιρικές συγκεντρώσεις των πρωτογενών βιολογικών αερολυμάτων (PBAP). Τα PBAP μπορούν να αποτελούν σημαντική συνιστώσα των συνολικών αερολυμάτων στην ατμόσφαιρα, πηγή θρεπτικών αλλά και πυρήνες σχηματισμού πάγου στην ατμόσφαιρα. Το βελτιωμένο μοντέλο προσομοιώνει τις ατμοσφαιρικές συγκεντρώσεις των κύριων κατηγοριών βιοαερολυμάτων (βακτήρια, σπόρια μυκήτων και γύρη) με βάση τις εκπομπές τους, που είναι συνάρτηση της μετεωρολογίας και των οικοσυστημάτων που υπάρχουν στην εκάστοτε περιοχή, της μεταφοράς και εναπόθεσής τους. Τα υπολογισθέντα επίπεδα PBAP συμφωνούν (τάξη μεγέθους) συγκρίθηκαν με τις λιγοστές παρατηρήσεις στην περιοχή. Υπολογίστηκε ότι τα PBAP συνεισφέρουν περίπου το 24% του συνολικού οργανικού άνθρακα στην λεκάνη της Μεσόγειο για τον καλοκαιρινό μήνα του Ιουλίου του 2016 και ως 28% για τον χειμερινό μήνα του Φεβρουαρίου συμμετέχοντας με 46.5Gg-
Ν/month και 0.3Gg-P/month και 24.75Gg-Ν/month 0.2Gg-P/month στην ροή εναπόθεσης αζώτου και φωσφόρου στη περιοχή.This doctoral thesis is part of a broader context of air quality modeling. The aim is to highlight the composition of the atmosphere and the deposition of nutrients in the terrestrial and marine area, focusing on the wider Mediterranean region. Of particular interest is the atmospheric transport of pollutants such as ozone and carbon monoxide as well as suspended particles, which carry nutrients, like nitrogen, sulfur and phosphorus. Atmospheric deposition on land and sea of these nutrients carried by aerosols affects both the environment and human health. In particular, nitrogen and sulfur deposition has increased significantly in the 80s in the Northern Hemisphere as a result of increased anthropogenic activity. Limited area models applied at higher resolution than global models and using higher resolution data sets are generally expected to more accurately represent the spatial variability of basic meteorological and climatic parameters such as near-surface temperature, pressure, velocity and atmospheric composition. Primary biological aerosol particles (PBAPs) or bio-aerosols were also studied, like bacteria, viruses, fungi and fungal spores that can affect cloud development, atmospheric chemistry, microbial biogeography and public health. The emissions of PBAPs were taken into account in the WRF-Chem (Weather Research and Forecasting) medium-scale transport model using a 36x36km horizontal resolution and focusing on the Mediterranean region. Consequently, seasonal variations in bio-aerosol distributions in the Eastern Mediterranean were simulated, accounting for the dependence of their emissions on meteorology and ecosystems distribution, as well as for atmospheric transport and deposition
Cretan mantinada as means of social protest
No full textΗ παρούσα έρευνα εστιάζει στη χρήση της κρητικής μαντινάδας, η οποία αποτελεί λαϊκή ποιητική δημιουργία, ως μέσο κοινωνικής διαμαρτυρίας και αμφισβήτησης κατά τη διάρκεια της οικονομικής κρίσης στην Ελλάδα (έτη 2009 – 2020). Το βασικό ερευνητικό ερώτημα που θέτει είναι ο τρόπος με τον οποίο η κρητική μαντινάδα καταφέρνει να λειτουργεί ως μέσο διαμαρτυρίας, αμφισβήτησης και μετουσίωσης της λαϊκής οργής στη σύγχρονη εποχή, καθώς και οι λόγοι για τους οποίους η σύγχρονη κρητική μουσική βιομηχανία μελοποιεί τέτοιες μαντινάδες. Για να το πετύχει αυτό, αρχικά αξιοποιεί τα ευρήματα που προέκυψαν από ποιοτική εμπειρική έρευνα πεδίου, η οποία διεξήχθη με τη μέθοδο της συμμετοχικής παρατήρησης. Καταγράφονται σχετικές μαντινάδες κατά τη διάρκεια της επιτέλεσης τους και σε διάφορες χρονικές βαθμίδες κατά τη διάρκεια διεξαγωγής της έρευνας. Σε δεύτερο στάδιο, το πραγματολογικό υλικό εμπλουτίζεται από συλλογή υλικού από τα κοινωνικά δίκτυα Facebook και YouTube και τις δημοσιεύσεις σχετικών μαντινάδων από τους ίδιους τους δημιουργούς τους στα εν λόγω δίκτυα ή σπανιότερα στον έντυπο Τύπο. Στη συνέχεια, γίνεται ανάλυση περιεχομένου στα συλλεχθέντα τεκμήρια της έρευνας, από την οποία (ανάλυση) προκύπτουν χρήσιμα συμπεράσματα, απαντώντας στο αρχικό ερευνητικό ερώτημα.This thesis focuses on the use of the Cretan “mantinada”, which is a folk poetic creation, as a means of social protest and controversy during the economic crisis in Greece (during 2009 – 2020). The main research question is the way in which the Cretan mantinada manages to function as a means of protest, controversy and anger venting in the modern era, as well as the reasons for which the modern Cretan music industry produces songs with such mantinadas. To achieve this, this thesis initially utilizes the findings that emerged from qualitative field research, which was conducted using the method of participant observation. Relevant mantinadas are written down by the complete participant researcher during their live performances and at various time levels, while the research was in progress. In a second time level, the social data were enriched by a collection of more data from the social networks, Facebook and YouTube and the publications of relevant mantinades by their creators themselves on these networks or, more rarely, in the printed press. Subsequently, a content analysis is performed on the collected research data, from which (analysis) useful conclusions emerge, answering to the initial research question
Gendered aspects of political graffiti in the urban landscape of Thessaloniki
No full textΜε το ξέσπασμα της οικονομικής κρίσης στην Ελλάδα, ένα μεγάλο και ριζοσπαστικό κύμα κοινωνικών διαμαρτυριών αναδείχθηκε στον δημόσιο χώρο, ενώ συγχρόνως έντονη υπήρξε και η παρουσία του φεμινιστικού κινήματος, ως απόρροια καθοριστικών πολιτικο-κοινωνικών γεγονότων που συντελέστηκαν. Μεταξύ άλλων, η φεμινιστική και κουίρ κινηματική δράση αξιοποίησε το αστικό τοπίο και το πολιτικό γκράφιτι ως μορφή πολιτικής δράσης και αστικής παρέμβασης. Η παρούσα διπλωματική εργασία επιδιώκει να διερευνήσει τον τρόπο με τον οποίο το γκράφιτι και η εικονοποίηση του αστικού τοπίου του κέντρου της Θεσσαλονίκης, αξιοποιούνται από ατομικότητες και συλλογικότητες, προκειμένου να διαπραγματευτούν τις έμφυλες διαστάσεις της κοινωνικο-πολιτικής πραγματικότητας. Κεντρικά ερευνητικά ερωτήματα αποτελούν ο τρόπος με τον οποίο αναπαριστώνται οι έμφυλες σχέσεις στο πολιτικό γκράφιτι, καθώς και οι τρόποι σύνδεσης του έμφυλου πολιτικού γκράφιτι με συγκερκιμένα χωρικά σημεία του αστικού κέντρου της Θεσσαλονίκης. Για τη συλλογική πολιτικού γκράφιτι με έμφυλο περιεχόμενο πραγματοποιήθηκε επιτόπια παρατήρηση, με τη μορφή της περιήγησης στο πεδίο. Έτσι, κατέστη δυνατή η αποδόμηση του αστικού τοπίου και η χαρτογράφησή του ως προς τα κοινωνικά του χαρακτηριστικά, προκειμένου να επιτευχθεί μία επιμέρους σύνδεση μεταξύ αστικού τοπίου και έμφυλου πολιτικού γκράφιτι, καθώς και μία συγκριτική ανάλυση των δύο μερών. Η παρουσία του έμφυλου πολιτικού γκράφιτι στον χώρο, φαίνεται να αντανακλά άμεσα τη σταδιακά αυξανόμενη πολιτική δράση των νέων φεμινιστικών και κουίρ συλλογικοτήτων/ ατομικοτήτων τα τελευταία χρόνια. Συγχρόνως η διαχρονική παρουσία ορισμένων γκράφιτι στον χώρο, υπογραμμίζουν τη θέση τους στο χωρικό και κοινωνικό πλαίσιο. Η ταύτιση των παραδοσιακά πιο πολιτικοποιημένων κοινωνικών χώρου του αστικού κέντρου, με την έντονη παρουσία πολιτικού γκράφιτι σε αυτά τα σημεία, σχετίζεται συγχρόνως και με την παραγωγή ενός λόγου διεκδίκησης, αντίστασης και αλληλεγγύης καθώς και του λειτουργία του γκράφιτι για τη διατήρηση της συλλογικής κοινωνικής μνήμης. Τέλος είναι σημαντικό ότι τα έμφυλα πολιτικά γκράφιτι φαίνεται να λειτουργούν ως κοινωνικά ημερολόγια, μνημονεύοντας στην κοινωνική συνείδηση σημαντικά κοινωνικά γεγονότα έμφυλης βίας.With the outbreak of the economic crisis in Greece and as a result of critical political, economic and social upheavals, there was a significant and radical wave of protest in the public sphere, in the course of which the feminist movement was also strongly represented. In this context, feminist and queer activism utilised the urban landscape and political graffiti, among other things, as a means of political action and urban intervention. The present thesis aims to investigate how graffiti and the visual representation of the urban landscape in the centre of Thessaloniki are used by both individuals and collectives to negotiate the gendered dimensions of socio-political reality. The main research questions focus on how gender relations are represented in political graffiti and on the ways in which gendered political graffiti is linked to specific spatial points in the centre of Thessaloniki. In order to identify gender-specific political graffiti, a field observation was conducted in the form of a field-“periegesis”/ rooting. This approach enabled the deconstruction of the urban landscape and its re-mapping in terms of its social characteristics, allowing for a nuanced connection between the urban landscape and gendered political graffiti and their comparative analysis. The results show, among other things, that the presence of gender-specific political graffiti in urban spaces seems to directly reflect the gradually increasing political activity of new feminist and queer collectives/ individuals in recent years. At the same time, the long-standing presence of certain graffiti emphasises their embeddedness in the spatial and social framework. The alignment of traditionally more politicised social spaces within the city centre, characterised by a strong presence of political graffiti in these areas, is also related to the production of discourses of demands, resistance and solidarity, as well as the function of graffiti in the preservation of collective social memory. Finally, is significant that gendered political graffiti appears to function as a social diary, recalling in the public consciousness significant social events related to gender-based violence
Σχεδιασμός και ανάπτυξη εφαρμογής για κινητά με στόχο την αναγνώριση αντικειμένων χρησιμοποιώντας Συνελικτικά Νευρωνικά Δίκτυα
No full textΟι εξελίξεις στην μηχανική μάθηση και την υπολογιστική όραση, και ιδιαίτερα
η βαθιά μάθηση με CNNs , έχουν βελτιώσει σημαντικά την αυτόματη αναγνώριση
αντικειμένων. Οι μέθοδοι αυτές ξεπερνούν τις προκλήσεις που σχετίζονται με την
ποικιλομορφία ως προς το σχήμα, το χρώμα και την υφή, υπερέχοντας έναντι των
παραδοσιακών, χειροκίνητων προσεγγίσεων. ΄Οταν εφαρμόζονται σε πολιτιστικά δε-
δομένα, επιτρέπουν γρηγορότερη, ακριβέστερη και επεκτάσιμη ταξινόμηση κεραμικών,
υφαντών, κοσμημάτων και άλλων αντικειμένων. Μέσω της εκμάθησης ιεραρχικών
οπτικών χαρακτηριστικών, τα σύγχρονα μοντέλα προσφέρουν αξιόπιστη και συνεπή
ανάλυση σε μεγάλες συλλογές. Σε αυτήν την μεταπτυχιακή εργασία, παρουσιάζουμε
την ανάπτυξη μιας εφαρμογής για κινητές συσκευές με στόχο την αναγνώριση αντι-
κειμένων, η οποία έχει σχεδιαστεί για να υποστηρίζει τη διατήρηση της πολιτιστικής
κληρονομιάς μέσω της αναγνώρισης αντικειμένων και της ενίσχυσης της συμμετοχής
του κοινού στις συλλογές πολιτιστικής κληρονομιάς. Το σύστημα ενσωματώνει τε-
χνικές βαθιάς μάθησης και συγκεκριμένα Συνελικτικά Νευρωνικά Δίκτυα (CNNs) ,
για να αντιμετωπίσει τις προκλήσεις της αναγνώρισης αντικειμένων με διάφορες υφές,
σχήματα και χρώματα, όπως κεραμικά και υφαντά αντικείμενα. Μια φιλική προς τον
χρήστη διεπαφή, δίνει την δυνατότητα στους χρήστες να ανεβάζουν δικά τους σύνολα
δεδομένων και να πραγματοποιούν αναγνώριση μέσω εικόνας. ΄Ενας ενσωματωμένος
σαρωτής QR κωδικών συμπληρώνει το σύστημα, επιτρέποντας την ταχεία ανάκτηση
πληροφοριών σε περιπτώσεις όπου η αναγνώριση μέσω εικόνας δεν είναι επαρκής. Ο
πυρήνας του συστήματος βασίζεται σε προεκπαιδευμένα μοντέλα CNN, συγκεκριμένα
τα ResNet50, EfficientNet-B3, και MobileNetV3 τα οποία εξάγουν χαρακτηριστι-
κά (embeddings) από τις εικόνες και τα συγκρίνουν μέσω του συνημιτόνου (cosine
similarity) για την επίτευξη ακριβούς ταξινόμησης. Η αρχιτεκτονική της εφαρμογής
περιλαμβάνει ένα frontend υλοποιημένο με Ionic και Angular, ένα backend σε Node.js
και Express.js και μια μονάδα αναγνώρισης αντικειμένων σε Python και PyTorch για
επεξεργασία εικόνων. Πειραματικές αξιολογήσεις με προσεκτικά κατασκευασμένα αλ-
λά και πραγματικά σύνολα δεδομένων δείχνουν ότι το MobileNetV3 υπερτερεί του
EfficientNet-B3 και του ResNet50 τόσο σε ακρίβεια όσο και σε αποδοτικότητα, γεγο-
νός που το καθιστά κατάλληλο για χρήση σε κινητές συσκευές. Συνολικά, η εργασία
αυτή προσφέρει μια πρακτική και επεκτάσιμη λύση για την αναγνώριση αντικειμένων
σε κινητά, συνδυάζοντας σύγχρονες μεθόδους βαθιάς μάθησης με διαδραστικά χαρα-
κτηριστικά για ευέλικτη και αξιόπιστη αναγνώριση αντικειμένων.Recent advances in machine learning and computer vision, especially deep learn-
ing with convolutional neural networks, have significantly improved automatic ob-
ject recognition. These methods overcome challenges of variability in shape, color,
and texture, outperforming traditional manual approaches. Applied to cultural
datasets, they enable faster, more accurate, and scalable classification of ceram-
ics, textiles, jewelry, and other artifacts. By learning hierarchical visual features,
modern models offer robust and consistent analysis across large collections. In
this thesis, we present the development of a mobile application for object recog-
nition, designed to support cultural heritage preservation through tasks such as
identifying artifacts and enhancing the public engagement with heritage collections.
The system integrates deep learning techniques, particularly Convolutional Neural
Networks (CNNs), to address the challenges of recognizing objects with different
textures, shapes, and colors such as ceramics and woven items. A user-friendly in-
terface allows users to upload their own object datasets and perform image-based
recognition. A built-in QR code scanner aids the system by enabling quick object
retrieval when visual recognition is inconclusive. The core of the system uses pre-
trained CNN models, specifically ResNet50, EfficientNet-B3 and MobileNetV3 to
extract feature embeddings and compare them using the cosine similarity metric
for accurate classification. The application architecture includes an Ionic-Angular
frontend, a Node.js-Express.js backend and a Python-PyTorch object recognition
module for processing the images. Experimental evaluations on both controlled
and real-world datasets indicate that MobileNetV3 outperforms EfficientNet-B3
and ResNet50 in terms of recognition accuracy, making it ideal for mobile deploy-
ment. Overall, this work offers a practical and extensible solution for mobile object
recognition, combining modern deep learning methods with interactive features to
support flexible and accurate artifact recognition
Διερεύνηση της μικρογλοιακής αυτοφαγίας κατά την ρύθμιση των ανοοσολογικών αποκρίσεων στη νόσο Αλτσχάιμερ
No full textΗ νόσος του Αλτσχάιμερ αποτελεί μία προοδευτική νευροεκφυλιστική
διαταραχή και την κύρια αιτία άνοιας, αντιπροσωπεύοντας περίπου το 70% των
περιστατικών παγκοσμίως. Τα τελευταία χρόνια, ερευνητικα δεδομένα έχουν αναδείξει
την σημασία των κυττάρων του ανοσοποιητικού, συμπεριλαμβανομένων των Τ
λεμφοκυττάρων, στη νευρο-παθογένεια της νόσου, υποδεικνύοντας την ύπαρξη ενός
νευρο-ανοσολογικού άξονα της νόσου. Τα μικρογλοιακά κύτταρα, ως τα κύρια
ανοσολογικά κύτταρα του εγκεφάλου, θεωρούνται κομβικός πληθυσμός για τη
νευρο-παθογένεια της νόσου. Στα πρώιμα στάδια της, τα μικρογλοιακά κύτταρα έχουν
προστατευτικό ρόλο, κυρίως μέσω της αποδόμησης Αβ συσσωματωμάτων. Η
διαδικασία αυτή βασίζεται σε μεγάλο βαθμό στην αυτοφαγία, έναν βασικό μηχανισμό
ο οποίος έχει βρεθεί δυσλειτουργικός σε ασθενείς. Ωστόσο, οι ακριβείς ανοσολογικοί
μηχανισμοί ο οποίοι συνδέουν την δυσλειτουργία της αυτοφαγίας με την πρόοδο της
νόσου παραμένουν σε μεγάλο βαθμό ασαφείς.
Στην παρούσα εργασία, διερευνήσαμε πώς η αυτοφαγία, ως βασικος ρυθμιστής
της λειτουργίας των μικρογλοιακών κυττάρων, επηρεάζει τις ανοσολογικές αποκρίσεις
στο μοντέλο ποντικιού 5xFAD. Ανοσοφαινοτυπική ανάλυση του εγκεφάλου έδειξε
αυξημένη διήθηση Τ κυττάρων και μετατόπιση προς επικράτηση των CD8+ Τ
λεμφοκυττάρων με την πρόοδο της νόσου. Ανάλυση απομονωμένων μικρογλοιακών
κυττάρων αποκάλυψε δυσλειτουργική αυτοφαγική δραστηριότητα στα προχωρημένα
στάδια της νόσου, συμβατή με μειωμένη ικανότητα αποδόμησης. Προκειμένου να
εξετάσουμε περαιτέρω τη δυνατότητα τροποποίησης της μικρογλοιακής λειτουργίας,
μελετήσαμε την επίδραση του trained immunity, που έχει συνδεθεί με μειωμένο
κίνδυνο εμφάνισης της νόσου Αλτσχάιμερ. Πραγματοποιήθηκαν τόσο in vitro όσο και
in vivo πειράματα για την αξιολόγηση του κατα πόσο η ανοσολογική ‘εκπαίδευση’
επηρεάζει την μικρογλοιακή αυτοφαγία και την εξέλιξη της νόσου. Ανάλυση του RNA
από μικρογλοιακά κύτταρα που εκτέθηκαν σε γνωστούς ανοσολογικούς επαγωγείς,
όπως το εμβόλιο BCG, έδειξε ότι η επαναδιέγερση προκαλεί ενισχυμένη ανοσολογική
απόκριση. In vivo χορήγηση BCG σε ποντικούς 5xFAD οδήγησε σε αυξημένη διήθηση
Τ κυττάρων, επαναφορά της ισορροπίας των CD4+ κυττάρων και εμφάνιση
ρυθμιστικών Τ κυττάρων. Τέλος, η θεραπεία με BCG φαινεται να επαναφέρει την
αυτοφαγική δραστηριότητα σε σχεδόν φυσιολογικά επίπεδα. Συνολικά, τα ευρήματα
αυτά αναδεικνύουν την μικρογλοιακή αυτοφαγία ως καθοριστικό παράγοντα της
πορείας της νόσου, η στόχευση του οποίου μπορεί να αποτελέσει υποσχόμενη
θεραπευτική στρατηγική για την ανακούφιση του φαινοτύπου της νόσου Αλτσχάιμερ.Alzheimer’s disease is a progressive neurodegenerative disorder and the leading
cause of dementia, accounting to an estimated 70% of cases worldwide. Emerging
evidence highlights the importance of immune cells, including T cells, in Alzheimer’s
neuropathogenesis, and thus a neuroimmune axis of Alzheimer’s is being considered.
Microglia, as the resident immune cells of the brain, are also recognized as key players
in Alzheimer’s neuropathogenesis. In the early stages of the disease, microglia exert
protective effects, mainly by degrading Αβ aggregates. This clearance relies heavily on
microglial autophagy, a crucial process that has been found impaired in patients.
However, the precise immune mechanisms linking autophagy dysregulation to disease
progression remain poorly understood.
In this thesis, we investigated how autophagy, as a key regulator of microglial
function, influences the immune-related responses in the 5xFAD mouse model of
Alzheimer’s disease. Temporal immune profiling of the brain revealed increased T cell
infiltration and a shift toward CD8+ T cell dominance with disease progression.
Confocal imaging on isolated microglia demonstrated impaired autophagic activity at
the later disease stages, consistent with insufficient degradation capacity. To further
explore the potential of modulating microglial function, we examined the effects of
trained immunity, which has been linked to lower risk for Alzheimer development.
Both in vitro and in vivo experiments were performed to assess how immune training
influences disease progression and microglial autophagy. RNA sequencing of primary
microglia treated with known immune trainers, such as BCG, revealed that
restimulation following initial exposure elicited an enhanced immune response profile.
In vivo BCG treatment of 5xFAD mice resulted in increased T cell infiltration,
rebalancing of the CD4+ population and the emergence of regulatory T cells.
Importantly, autophagy analysis demonstrated a restoration of autophagic activity to
near-baseline levels following BCG treatment. Collectively, these findings highlight
microglial autophagy as a key driver of the disease course and whose modulation may
thus represent a promising therapeutic strategy to alleviate Alzheimer’s phenotype and
improve clinical outcomes for patients
The deep reform of 1963 : political and constitutional dimensions
No full textΗ παρούσα πτυχιακή εργασία εξετάζει τις πολιτικές και συνταγματικές μεταρρυθμίσεις, οι οποίες διαμόρφωσαν την Ελλάδα από την περίοδο του Εμφυλίου Πολέμου έως και την εδραίωση της Γ’ Ελληνικής Δημοκρατίας. Η έρευνα επικεντρώνεται κυρίως στην βαθεία τομή του 1963, η οποία αποτέλεσε την προσπάθεια της κυβέρνησης της Εθνικής Ριζοσπαστικής Ένωσης να αναθεωρήσει το Σύνταγμα του 1952, με στόχο την αποκατάσταση της πολιτικής σταθερότητας στην χώρα. Παρόλο που η συνταγματική αναθεώρηση δεν ολοκληρώθηκε, το κείμενο της βαθείας τομής άσκησε σημαντική επιρροή στα μεταγενέστερα συνταγματικά κείμενα, και ιδίως στα δυο ψευδοσυντάγματα της δικτατορίας του 1968 και 1973, καθώς και στο Σύνταγμα του 1975. Μεθοδολογικά, η εργασία στηρίχθηκε στην μελέτη συνταγματικών και ιστορικών πηγών, με σκοπό να διερευνηθεί ο ρόλος της βαθείας τομής στην διαμόρφωση της μεταπολεμικής συνταγματικής ιστορίας, αλλά και ο τρόπος με τον οποίο συνέβαλλε στην εγκαθίδρυση της μακροβιότερης δημοκρατικής περιόδου στην σύγχρονη Ελλάδα.This thesis explores the political and constitutional reforms that shaped Greece from the period of the Civil War until the establishment of the Third Hellenic Republic. The research focuses mainly on the “Deep Reform” of 1963, which was the attempt of the National Radical Union government to revise the 1952 Constitution, with the aim of restoring political stability in the country. Although the reform was never implemented, the text of the deep reform exerted a significant influence on subsequent constitutional texts, and in particular on the two pseudo-constitutions of the dictatorship of 1968 and 1973, as well as on the Constitution of 1975. Methodologically, the work was based on the study of constitutional and historical sources, with the aim of investigating the role of the deep reform in shaping of post-war constitutional history, but also the way in which it contributed to the establishment of the longest democratic period in modern Greece
The contribution of music therapy to children with special educational needs : a systematic review
No full textΗ παρούσα εργασία εστιάζει στη μουσικοθεραπεία και στη χρήση της ως θεραπευτική παρέμβαση στην ειδική αγωγή, δίνοντας ιδιαίτερη έμφαση στα παιδιά με Διαταραχή Αυτιστικού Φάσματος (ΔΑΦ). Η έρευνα διερευνά την αποτελεσματικότητα της μουσικοθεραπείας στην ενίσχυση της επικοινωνιακής ικανότητας, της κοινωνικής αλληλεπίδρασης, της συναισθηματικής έκφρασης και στη μείωση προκλητικών ή στερεοτυπικών συμπεριφορών που συχνά παρατηρούνται στα παιδιά με ΔΑΦ. Η μελέτη εξετάζει τον τρόπο με τον οποίο η μουσικοθεραπεία μπορεί να συμβάλει στη βελτίωση της συνολικής ψυχοκοινωνικής ανάπτυξης, στην ενίσχυση των δεξιοτήτων αυτορρύθμισης και στην προαγωγή θετικών συμπεριφορών σε εκπαιδευτικά και κοινωνικά πλαίσια. Επιδιώκεται η αναγνώριση των χαρακτηριστικών των παρεμβάσεων που φαίνεται να σχετίζονται με μεγαλύτερη αποτελεσματικότητα, όπως η διάρκεια των συνεδριών, η συχνότητά τους, ο τύπος των εφαρμοζόμενων μουσικοθεραπευτικών τεχνικών και η εξατομίκευση της παρέμβασης σύμφωνα με τις ανάγκες κάθε παιδιού. Η εργασία διερευνά τις μεθοδολογικές προσεγγίσεις που χρησιμοποιούνται στις ερευνητικές μελέτες για τη μουσικοθεραπεία, προκειμένου να αξιολογηθεί η επιστημονική τεκμηρίωση και η αξιοπιστία των αποτελεσμάτων. Η μελέτη αναδεικνύει την πολυδιάστατη αξία της μουσικοθεραπείας ως εργαλείο παρέμβασης στην ειδική αγωγή, όχι μόνο για την αντιμετώπιση συγκεκριμένων δυσκολιών, αλλά και για την υποστήριξη της συνολικής ανάπτυξης των παιδιών με ΔΑΦ, με στόχο την ενίσχυση των κοινωνικών δεξιοτήτων, της επικοινωνίας και της συναισθηματικής τους έκφρασης. Η εργασία παρέχει επίσης προτάσεις για μελλοντική έρευνα και περαιτέρω διερεύνηση των παραμέτρων που επηρεάζουν την αποτελεσματικότητα της μουσικοθεραπείας, ώστε να βελτιωθεί η ποιότητα και η εφαρμογή των παρεμβάσεων σε εκπαιδευτικά και κλινικά περιβάλλοντα.This study focuses on music therapy and its use as a therapeutic intervention in special education, with particular emphasis on children with Autism Spectrum Disorder (ASD). The research investigates the effectiveness of music therapy in enhancing communication skills, social interaction, emotional expression, and in reducing challenging or stereotypical behaviors commonly observed in children with ASD. The study also examines how music therapy can contribute to the overall psychosocial development of children, strengthen self-regulation skills, and promote positive behaviors in educational and social contexts. The research aims to identify the characteristics of interventions that appear to be associated with greater effectiveness, such as session duration, frequency, the type of applied music therapy techniques, and the customization of the intervention according to each child’s needs. The study also explores the methodological approaches used in research on music therapy in order to evaluate the scientific evidence and reliability of the findings. The study highlights the multidimensional value of music therapy as an intervention tool in special education, not only for addressing specific difficulties but also for supporting the overall development of children with ASD, aiming to enhance their social skills, communication, and emotional expression. Furthermore, the study provides recommendations for future research and further exploration of the factors affecting the effectiveness of music therapy, with the goal of improving the quality and implementation of interventions in educational and clinical settings
Μη επεμβατική εκτίμηση ενδοκράνιας πίεσης από εικόνες υπολογιστικής τομογραφίας με μεθόδους τεχνητής νοημοσύνης
Get PDFΗ εργασία πραγματεύεται την ανάπτυξη ενός πρωτοποριακού-καινοτόμου συστήματος μη επεμβατικής (noninvasive) εκτίμησης της ενδοκράνιας πίεσης (Intracranial Pressure - ICP) μέσω ανάλυσης αξονικών τομογραφιών (CT scans) με χρήση τεχνικών βαθιάς μάθησης (Deep Learning). Η ακριβής και έγκαιρη εκτίμηση της ICP είναι κρίσιμη για τη διαχείριση νευρολογικών περιστατικών, καθώς η αύξησή της μπορεί να οδηγήσει σε ισχαιμία, εγκεφαλική κήλη και τελικά θάνατο. Παρά την κλινική της σημασία, η παραδοσιακή μέθοδος παρακολούθησης της ICP απαιτεί επεμβατικές τεχνικές, όπως η τοποθέτηση ενδοκοιλιακού καθετήρα ή ενδοπαρεγχυματικού αισθητήρα, οι οποίες φέρουν σοβαρούς κινδύνους, όπως αιμορραγία και λοιμώξεις.
Η ανάγκη για μη επεμβατικές, φθηνές και αξιόπιστες μεθόδους έχει οδηγήσει την επιστημονική κοινότητα να διερευνήσει εναλλακτικές τεχνικές. Ενώ έχουν γίνει σημαντικές προσπάθειες με παραδοσιακές noninvasive μεθόδους (όπως ONSD και transcranial Doppler) καμία δεν έχει καταφέρει να υποκαταστήσει με ακρίβεια τα αναγνωρισμένα διεθνώς επεμβατικά εργαλεία. Επιπλέον, πολλές από τις υπάρχουσες τεχνικές απαιτούν εξειδικευμένο εξοπλισμό και προσωπικό, κάτι που περιορίζει τη γενίκευσή τους σε περιβάλλοντα περιορισμένων πόρων.
Σε αυτό το πλαίσιο, η εργασία παρουσιάζει μια καινοτόμο προσέγγιση, αξιοποιώντας μοντέλα που εκπαιδεύονται σε δεδομένα όπως αξονικές εγκεφάλου, δημογραφικά στοιχεία και τιμές από τον δείκτη Γλασκώβης. Η εισαγωγή επιπλέον κλινικών δεδομένων στα μοντέλα αποτελεί σημαντική καινοτομία, καθώς μιμείται τον τρόπο που οι ιατροί συνδυάζου πολλαπλές πηγές πληροφορίας για τη διάγνωση.
Η βάση δεδομένων περιλαμβάνει 578 περιπτώσεις, εκ των οποίων 278 προέρχονται από περιστατικά που αντιμετωπίστηκαν στο ΠΑΓΝΗ μεταξύ 2012 και 2023 και είχαν τόσο CT scan όσο και καταγεγραμμένες τιμές ICP εντός χρονικού παραθύρου ± 1 ημέρας (οι περισσότερες εντός 3 ωρών). Από αυτές, οι 140 ταξινομήθηκαν ως παθολογικές (ICP ≥ 15 mmHg) και 438 ως φυσιολογικές. Ενσωματώθηκαν και 300 επιπλέον περιστατικά CT εγκεφάλου από ασθενείς χωρίς νευρολογική παθολογία για την ενίσχυση της εκπαίδευσης του μοντέλου. Στην προεπεξεργασία των δεδομένων εφαρμόστηκαν τα κατάλληλα στάδια. Τα μοντέλα αξιοποίησαν ογκομετρικά δεδομένα CT με τις συνοδευτικές GCS και ηλικιακές τιμές να εισάγονται ως επιπλέον κανάλια πληροφορίας, ενισχύοντας την ικανότητα γενίκευσης των νευρωνικών δικτύων.
Αναπτύχθηκαν και συγκρίθηκαν τέσσερα διαφορετικά μοντέλα με στόχο την δυαδική ταξινόμηση σε : φυσιολογική / παθολογική ICP. Για την εκπαίδευση χρησιμοποιήθηκαν τεχνικές κατάλληλες για μη-ισορροπημένα datasets. Η αξιολόγηση περιλάμβανε κριτήρια όπως accuracy, precision, recall, F1-score και AUC-ROC.
Σύμφωνα με τα αποτελέσματα, το καλύτερο μοντέλο πέτυχε:
Recall: 81%
AUC: 88%
Τα αποτελέσματα αυτά είναι εξαιρετικά ενθαρρυντικά μιας και η ακρίβεια του μοντέλου είναι συγκρίσιμη (ή ανώτερη) με πολλές από τις πιο ώριμες παραδοσιακές noninvasive τεχνικές όπως ONSD ή TCD, οι οποίες, όπως δείχθηκε στη σχετική βιβλιογραφική ανασκόπηση παρουσιάζουν σημαντική διακύμανση σε ευαισθησία και ειδικότητα, εξαρτώμενες συχνά από τον χειριστή.
Μία ακόμα σημαντική συνεισφορά της εργασίας είναι η χρήση εργαλείων οπτικής ερμηνευσιμότητας, όπως CAMs, για την επεξήγηση των αποτελεσμάτων μέσω περιοχών των εικόνων της αξονικής . Η δυνατότητα αυτή καθιστά το μοντέλο περισσότερο αποδεκτό από κλινικούς ιατρούς, ενισχύοντας τη διαφάνεια και την εμπιστοσύνη στη χρήση AI στην ιατρική πράξη.
Τα αποτελέσματα της εργασίας δείχνουν ότι ένα καλά εκπαιδευμένο μοντέλο μπορεί να αναγνωρίσει μοτίβα που σχετίζονται με αυξημένη ICP απευθείας από απλές, ταχείες και ευρέως διαθέσιμες CT εγκεφάλου. Αυτό έχει τη δυνατότητα να μεταμορφώσει τον αλγόριθμο σε εργαλείο προ-διαλογής με υψηλή ευαισθησία.
Η εργασία δεν αποτελεί απλώς μία ακόμη εφαρμογή AI στην ιατρική εικόνα, αλλά μια συστηματική και τεχνικά τεκμηριωμένη προσπάθεια να δοθεί λύση σε ένα πραγματικό και σημαντικό κλινικό πρόβλημα. Η χρήση δεδομένων που αντιστοιχούν σε πραγματικούς ασθενείς, η κλινική εγκυρότητα του dataset και η εφαρμογή GDPR, (ανωνυμία, έγκριση από ηθική επιτροπή) προσδίδουν στην εργασία κύρος και ουσιαστικό αντίκρισμα.
Η συγκεκριμένη ερευνητική προσπάθεια αποδεικνύει την πρακτική δυνατότητα δημιουργίας μη επεμβατικών, γρήγορων και υψηλής ακρίβειας μοντέλων για ICP εκτίμηση, αξιοποιώντας υπάρχοντα κλινικά δεδομένα. Παρέχει ένα ισχυρό υπόβαθρο για μελλοντική έρευνα, με στόχο την πλήρη ενσωμάτωση τέτοιων εργαλείων σε συστήματα υποστήριξης ιατρικών αποφάσεων και εφαρμογές στα ΤΕΠ και τις ΜΕΘ.This study introduces a novel Deep Learning based approach in order to estimate Intracranial Pressure (ICP) non-invasively. It uses standard CT brain scans in combination with patient data (clinical and demographic). Elevated Intracranial Pressure is a critical condition in neurological cases like Traumatic Brain Injury and hydrocephalus, influencing cerebral perfusion. Potentially it can cause irreversible brain damage or even death. While invasive methods such as external ventricular drainage and intraparenchymal probes are considered the most accurate way to monitor Intracranial Pressure, they carry considerable dangers, such as hemorrhage, infection, high cost, and the requirement for expert neurosurgical intervention. This highlights the urgent need for a reliable, accurate, and rapid non-invasive monitoring technique.
This research was conducted as a retrospective observational study that analyzed a dataset of 578 patient cases from PAGNI hospital, gathered from 2012 to 2023. The research included patients who had both a CT scan and an associated ICP measurement taken within a strict ±1-day window. ICP was mainly measured using fiberoptic intraparenchymal catheters or intraventricular catheters. Patients were then classified into two groups based on a clinically relevant threshold of 15 mmHg: 140 pathological cases (ICP Gt; 15 mmHg) and 438 normal cases (ICP < 15 mmHg).
A comprehensive preprocessing pipeline was applied to the data, including anonymization, Hounsfield Unit conversion, and windowing for better tissue contrast. For consistency, images were resampled to a fixed dimension (120 × 128 × 128), then normalized, and finally skull segmented in order to remove irrelevant regions. A significant innovation of this study was the way that demographic data (age, sex, Glasgow Coma Scale scores) were integrated. This was achieved by encoding and embedding these data into synthetic 2D image slices, which were then combined with the CT volumes, creating a single, unified input for the Deep Learning models.
Four distinct Deep Learning models were investigated: a custom-designed 3D Convolutional Neural Network, and three 3D adaptations of ImageNet (DenseNet201, ResNet101, and MobileNetV2) that were initially pretrained. Training strategies included binary cross-entropy loss, the Adam optimizer, ReLU activation for hidden layers, and sigmoid for the output. Also, dropout and L2 regularization were implemented in order to mitigate overfitting. To manage the imbalanced dataset 1:3 pathological-to-normal ratio), data augmentation (random rotations, Gaussian blurring for minority class) and class weighting were used.
The models were assessed by using Area Under the Receiver Operating Characteristic Curve (AUC), Area Under the Precision-Recall Curve (PR AUC), F1 score, recall (Sensitivity), and precision. The MobileNetV2 3D model was emerged clearly as the top-performing model, especially when demographic data were included. It achieved an impressive AUC of 0.883, a PR AUC of 0.694, and a recall of 0.818. The inclusion of demographic data significantly boosted its performance, leading to a 9.9% increase in AUC and a 21.1% rise in PR AUC for MobileNetV2 3D, highlighting the benefits of combining different data types. DenseNet201 3D also performed well, regardless of whether demographic data was included. In contrast, ResNet101 3D consistently failed to distinguish between classes, performing no better than random chance with an AUC of 0.500.
Class Activation Maps were used to provide visual explanations of the models' decision-making process. MobileNetV2 3D heatmaps clearly showed concentrated activity around important brain areas, like the ventricular system and periventricular regions. This aligns with known signs of high Intracranial Pressure. This contrasts with the diffuse and non-specific activations from the poorly performing ResNet101 3D, emphasizing how important it is for a model to be interpretable for clinical trust.
The study's findings proves that Artificial Intelligence can classify Intracranial Pressure using routine CT scans, offering by this way a practical and scalable solution, comparable to other non-invasive methods. The models’ high recall values make them suitable for clinical screening, where sensitivity in detecting pathological cases is critical. Despite the limitations of the study, such as the relatively small dataset, the class imbalance, temporal inconsistencies, and the lack of external validation, it lays a strong foundation for future research. Future directions focus on gathering larger datasets from multiple centers, looking into multi-class or regression approaches, adding time-based data, improving explainability, and further integrating multi-modal clinical information