Benutzer: Gast  Login
Originaltitel:
Whole Brain Vasculature Analysis Using Advanced Learning Models
Übersetzter Titel:
Fortgeschrittene Machine Learning Konzepte für die Analyse der Blutgefäße des Hirns
Autor:
Paetzold, Johannes Christian
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Menze, Björn (Prof. Dr.)
Gutachter:
Menze, Björn (Prof. Dr.); Kirschke, Jan St. (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 760; MED 230
Kurzfassung:
The brain's vascular network supplies oxygen to the brain's 86 billion neurons, firmly linking the microvasculature to the neural organization. This thesis reports my work on developing machine learning models to understand brain vessels. At the core of my work are three studies: 1) The first study shows the first deep-learning-based segmentation of the entire brain vasculature. 2) We formulate a novel, topology-preserving loss function with theoretical proofs up to homotopy equivalence. 3) We c...     »
Übersetzte Kurzfassung:
Neue Bildgebungsverfahren in Medizin und Biologie ermöglichen eine Bildgebung gesamter Organe und Organismen auf Zellebene. Dieses Promotionsprojekt hat die Zielsetzung spezielle Learning-basierte Ansätze für die Analyse der gesamten Blutgefäße des Hirns zu erforschen. Bei dieser Arbeit handelt es sich um eine publikationsbasierte Dissertation, dementsprechend gestalten drei Veröffentlichungen, die ein Peer-Review-Verfahren durchlaufen haben, den Kern der Arbeit. Insgesamt wurden ‚Deep-Learning-...     »
WWW:
https://mediatum.ub.tum.de/?id=1659236
Eingereicht am:
24.05.2022
Mündliche Prüfung:
06.02.2023
Dateigröße:
48494434 bytes
Seiten:
166
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230206-1659236-1-8
Letzte Änderung:
10.03.2023
 BibTeX