Benutzer: Gast  Login
Originaltitel:
Nicht-invasive Subtypisierung des Pankreaskarzinoms mittels Algorithmen des maschinellen Lernens
Übersetzter Titel:
Non-invasive subtyping of pancreatic cancer using machine learning algorithms
Autor:
Ziegelmayer, Sebastian
Jahr:
2021
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Medizin
Betreuer:
Braren, Rickmer (Priv.-Doz. Dr.)
Gutachter:
Braren, Rickmer (Priv.-Doz. Dr.); Hayden, Oliver (Prof. Dr.)
Sprache:
de
Fachgebiet:
MED Medizin
TU-Systematik:
MED 540d
Kurzfassung:
In der vorliegenden Arbeit wurden Algorithmen des maschinellen Lernens entwickelt, die eine nicht-invasive, modalitätsübergreifende Vorhersage molekularer Subtypen des Pankreaskarzinoms aus präoperativen Bildgebungsdaten erlauben. Die Relevanz der molekularen Subtypen ist in ihrer klinischen sowie prognostischen Bedeutung begründet. Die verwendeten Algorithmen ermöglichen eine prätherapeutische Patientenstratifikation in definierte Risikogruppen mit unterschiedlichem progressionsfreien- und Gesa...     »
Übersetzte Kurzfassung:
In the present work, machine learning algorithms were developed that allow a non-invasive, cross-modality prediction of molecular subtypes in pancreatic cancer from preoperative imaging data. The relevance of these molecular subtypes is based on their clinical and prognostic importance. The use of these algorithms enables a pretherapeutic patient stratification into defined risk groups with different progression-free and overall survival as well as different response to standard chemotherapeutic...     »
WWW:
https://mediatum.ub.tum.de/?id=1553711
Eingereicht am:
10.08.2020
Mündliche Prüfung:
22.02.2021
Dateigröße:
7119085 bytes
Seiten:
98
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210222-1553711-1-3
Letzte Änderung:
07.05.2021
 BibTeX