Machine Learning Characterization of Vascular Functions in Stroke Perfusion Imaging

de la Rosa, Ezequiel

Datenverarbeitung, Informatik

Zurück
Zurück zum Anfang der Trefferliste
Dauerhafter Link zum angezeigten Objekt

Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link

Originaltitel:: Machine Learning Characterization of Vascular Functions in Stroke Perfusion Imaging
Übersetzter Titel:: Charakterisierung vaskulärer Funktionen in der Schlaganfall-Perfusionsbildgebung mittels maschinellem Lernen
Autor:: de la Rosa, Ezequiel
Jahr:: 2024
Dokumenttyp:: Dissertation
Fakultät/School:: TUM School of Computation, Information and Technology
Betreuer:: Menze, Björn H. (Prof. Dr.)
Gutachter:: Menze, Björn H. (Prof. Dr.); Vandemeulebroucke, Jef (Prof. Dr.)
Sprache:: en
Fachgebiet:: DAT Datenverarbeitung, Informatik; MED Medizin
TU-Systematik:: MED 230; DAT 760
Kurzfassung:: In acute ischemic stroke, vascular functions serve as input parameters for perfusion CT (CTP) post-processing algorithms to evaluate brain tissue status. This thesis focuses on investigating the selection, estimation, and applicability of these vascular functions and contributes to the development of more robust and reliable stroke CTP post-processing software.
Übersetzte Kurzfassung:: In einem akuten ischämischen Schlaganfall dienen vaskuläre Funktionen als Eingabeparameter für die Nachverarbeitungsalgorithmen der Perfusions-CT (CTP), um den Zustand des Gehirngewebes zu bewerten. Diese Dissertation konzentriert sich auf die Untersuchung der Auswahl, Schätzung und Anwendbarkeit dieser vaskulären Funktionen und trägt zur Entwicklung robusterer und zuverlässigerer CTP-Nachverarbeitungssoftware für den Schlaganfall bei.
WWW:: https://mediatum.ub.tum.de/?id=1713480
Eingereicht am:: 28.06.2023
Mündliche Prüfung:: 01.02.2024
Dateigröße:: 7024155 bytes
Seiten:: 152
Urn (Zitierfähige URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240201-1713480-1-9
Letzte Änderung:: 20.03.2024
BibTeX