Benutzer: Gast  Login
Originaltitel:
Graph Deep Learning for Healthcare Applications
Übersetzter Titel:
Graph Deep Learning für Anwendungen im Gesundheitswesen
Autor:
Kazi, Anees Babasaheb
Jahr:
2021
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
Betreuer:
Navab, Nassir (Prof. Dr.)
Gutachter:
Navab, Nassir (Prof. Dr.); Rückert, Daniel (Prof. Dr.); Bronstein, Michael (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
Graph deep learning, Disease prediction
Übersetzte Stichworte:
Graph Deep Learning, Krankheitsvorhersage
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
This thesis is about the integration of graph deep learning with medical applications. The focus is on solving clinical and technical challenges in the field. It comprises of investigation of the clinical relevance of GCNs for medical applications. The thesis is divided into four main chapters dealing with multiple graph scenarios, graph heterogeneity, graph attention, and graph learning. This thesis is one of the pioneers in bringing graph deep learning to the medical field and shows that GDL...     »
Übersetzte Kurzfassung:
Diese Arbeit beinhaltet die Integration von Graph Deep Learning in medizinische Anwendungen. Der Schwerpunkt liegt auf der Lösung klinischer und technischer Herausforderungen in diesen Bereichen. Es umfasst die Untersuchung der klinischen Relevanz von GCNs für medizinische Anwendungen. Die Arbeit ist in vier Hauptkapitel unterteilt, die sich mit Szenarien mit mehreren Graphen, Graphheterogenität, Graphaufmerksamkeit und Graphlernen befassen. Diese Arbeit ist eine der Pioniere in der Einführung...     »
WWW:
https://mediatum.ub.tum.de/?id=1639387
Eingereicht am:
24.11.2020
Mündliche Prüfung:
18.05.2021
Dateigröße:
5882717 bytes
Seiten:
113
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210518-1639387-1-7
Letzte Änderung:
31.01.2022
 BibTeX