User: Guest  Login
Original title:
Whole Brain Vasculature Analysis Using Advanced Learning Models
Translated title:
Fortgeschrittene Machine Learning Konzepte für die Analyse der Blutgefäße des Hirns
Author:
Paetzold, Johannes Christian
Year:
2023
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Menze, Björn (Prof. Dr.)
Referee:
Menze, Björn (Prof. Dr.); Kirschke, Jan St. (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
TUM classification:
DAT 760; MED 230
Abstract:
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...     »
Translated abstract:
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
Date of submission:
24.05.2022
Oral examination:
06.02.2023
File size:
48494434 bytes
Pages:
166
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230206-1659236-1-8
Last change:
10.03.2023
 BibTeX