Learnable personalization of brain tumor growth models
Translated title:
Lernbare Personalisierung von Hirntumor-Wachstumsmodellen
Author:
Ezhov, Ivan
Year:
2023
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Menze, Björn H. (Prof. Dr.)
Referee:
Menze, Björn H. (Prof. Dr.); Lowengrub, John (Prof. Dr.); Mang, Andreas (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik; MED Medizin
TUM classification:
DAT 760; MED 230
Abstract:
Treatment planning for patients diagnosed with brain tumors requires understanding the disease dynamics. Mathematical formalization of the tumor progression often implies resorting to a parameterized system of differential equations. This dissertation addresses computational bottlenecks of calibrating tumor models from medical data by developing efficient algorithms for parametric inference.
Translated abstract:
Eine Behandlungsplanung für Patienten mit Hirntumor erfordert ein Verständnis der Krankheitsdynamik. Die mathematische Formalisierung der Tumorprogression greift in der Regel auf ein parametrisches System von Differentialgleichungen zurück. Um den limiterenden Faktor der Rechenzeit für die Verknüpfung von Tumormodellen mit medizinischen Daten zu eliminieren, befasst sich diese Dissertation mit der Entwicklung effizienter Algorithmen für die parametrische Inferenz.
Login
BibTeX