Benutzer: Gast  Login
Originaltitel:
A lesion-level deep learning approach to predicting enhancing lesions from non-enhanced images in Multiple Sclerosis patients
Übersetzter Titel:
Ein Deep Learning-Ansatz auf Läsionsebene zur Vorhersage von anreichernden Läsionen aus nicht-anreichernden Bildern bei Multiple Sklerose-Patienten
Autor:
Sasidharan, Nikhil
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Medizin
Betreuer:
Wiestler, Benedikt (Priv.-Doz. Dr.)
Gutachter:
Wiestler, Benedikt (Priv.-Doz. Dr.); Elstner, Matthias (Priv.-Doz. Dr.)
Sprache:
en
Fachgebiet:
MED Medizin
TU-Systematik:
MED 540; MED 600
Kurzfassung:
Multiple Sclerosis (MS) is a neurological auto-immune disorder. Gadolinium agents, often used to identify inflammatory active lesions, have potential toxic effects. Our goal was to develop a lesion-level deep learning approach to predict lesion enhancement in non-enhanced MRI scans. A convolutional neural network was trained and tested on independent data sets. Statistical analysis of the results revealed that our approach is effective in predicting enhancing lesions from non-enhanced MRI images...     »
Übersetzte Kurzfassung:
Multiple Sklerose (MS) ist eine neurologische Autoimmunerkrankung. Gadolinium-Wirkstoffe, die häufig zur Erkennung aktiver Läsionen eingesetzt werden, haben möglicherweise Nebenwirkungen. Unser Ziel war die Entwicklung eines Deep Learning-Ansatzes als Alternative. Ein „convolutional neural network“ wurde anhand von unabhängigen Datensätzen trainiert und getestet. Die statistische Analyse der Ergebnisse zeigte, dass unser Ansatz bei der Vorhersage von anreichernden Läsionen auf nicht-anreichernde...     »
WWW:
https://mediatum.ub.tum.de/?id=1696024
Eingereicht am:
31.01.2023
Mündliche Prüfung:
11.08.2023
Dateigröße:
1441106 bytes
Seiten:
42
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230811-1696024-1-1
Letzte Änderung:
29.09.2023
 BibTeX