Benutzer: Gast  Login
Originaltitel:
Deep Learning based Clinical Decision Support through Strong Differentiable Domain Priors
Übersetzter Titel:
Deep Learning basierte klinische Entscheidungshilfe durch starkes differenzierbares Domänenvorwissen
Autor:
Burwinkel, Hendrik
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Navab, Nassir (Prof., Ph.D.)
Gutachter:
Navab, Nassir (Prof., Ph.D.); Sznitman, Raphael (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
Deep learning, Domain prior knowledge, Graph neural networks, Physics-based learning
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
Deep neural networks have shown great success for medical decision support, but their learning capabilities are strongly dependent on data quality, quantity and informativeness. This thesis highlights a path towards the effective incorporation of differentiable domain prior information for the optimization of the learning process. The developed approaches are based on graph neural networks as well as domain specific loss design and are demonstrated on suitable medical tasks.
Übersetzte Kurzfassung:
Tiefe neuronale Netze sind bei der medizinischen Entscheidungshilfe sehr erfolgreich, ihre Lernfähigkeiten hängen jedoch stark von Qualität, Quantität und Informationsgehalt der Daten ab. In dieser Arbeit wird ein Weg zur effektiven Einbeziehung differenzierbarer Domänenvorinformation für die Optimierung des Lernprozesses aufgezeigt. Die entwickelten Ansätze basieren auf Graph Neuronalen Netzen sowie domänenspezifischem Loss Design und werden an geeigneten medizinischen Aufgaben demonstriert.
WWW:
https://mediatum.ub.tum.de/?id=1661677
Eingereicht am:
27.06.2022
Mündliche Prüfung:
31.01.2023
Dateigröße:
26313247 bytes
Seiten:
227
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230131-1661677-1-3
Letzte Änderung:
10.02.2023
 BibTeX