Multimodal Deep Learning for Holistic Clinical Decision and Reasoning Support

Keicher, Matthias Fabian

Informatik 31 - Lehrstuhl für Artificial Intelligence in Healthcare and Medicine (Prof. Rückert)

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: Multimodal Deep Learning for Holistic Clinical Decision and Reasoning Support
Translated title:: Multimodales Deep Learning für ganzheitliche klinische Entscheidungs- und Begründungsunterstützung
Author:: Keicher, Matthias Fabian
Year:: 2024
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Institution:: Informatik 31 - Lehrstuhl für Artificial Intelligence in Healthcare and Medicine (Prof. Rückert)
Advisor:: Navab, Nassir (Prof. Dr.)
Referee:: Navab, Nassir (Prof. Dr.); Maier, Andreas (Prof. Dr.); Rajpurka, Pranav (Prof., Ph.D.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik; MED Medizin
Keywords:: deep learning; multimodal data; clinical decision support systems; clinical reasoning; interpretability
Translated keywords:: Deep Learning; Multimodal Daten; Klinische Entscheidungsunterstützungssysteme; Klinische Entscheidungsfindung; Interpretierbarkeit
TUM classification:: DAT 700; MED 370; MED 230
Abstract:: In clinical decision-making, medical doctors rely not only on a multitude of information about a patient, including lab results and imaging data, but also on their extensive knowledge gained through formal education and experience with previously treated patients. This thesis explores clinical decision support systems based on deep learning that integrate multimodal knowledge about a patient with formal and exemplar clinical knowledge while providing insight into their reasoning.
Translated abstract:: Bei der klinischen Entscheidungsfindung stützen sich Ärzte nicht nur auf eine Vielzahl von Informationen, wie Laborwerte und Bildgebung, sondern auch auf ihr Wissen, das sie durch Ausbildung und Erfahrung mit zuvor behandelten Patienten erworben haben. In dieser Arbeit werden Entscheidungsunterstützungssysteme auf der Grundlage von Deep Learning erforscht, die multimodale Patientendaten mit formalem und exemplarischem Wissen integrieren und einen Einblick in ihre Entscheidungsfindung geben.
WWW:: https://mediatum.ub.tum.de/?id=1740108
Date of submission:: 17.04.2024
Oral examination:: 16.12.2024
File size:: 3701249 bytes
Pages:: 179
Urn (citeable URL):: https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20241216-1740108-0-4
Last change:: 10.04.2025
BibTeX

Occurrences:

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology Computer Science

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Medizin

mediaTUM Gesamtbestand Einrichtungen Schools TUM School of Computation, Information and Technology Prüfungsarbeiten Dissertationen

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Datenverarbeitung, Informatik

mediaTUM Gesamtbestand Hochschulbibliographie 2024 Schools und Fakultäten TUM School of Computation, Information and Technology Informatik 31 - Lehrstuhl für Artificial Intelligence in Healthcare and Medicine (Prof. Rückert)