Login
- Originaltitel:
- Machine Learning with Structural Priors for Image Analysis of the Spine
- Übersetzter Titel:
- Maschinelles Lernen basierend auf strukturellen A-priori-Informationen für die Bildanalyse der Wirbelsäule
- Autor:
- Sekuboyina, Anjany
- Jahr:
- 2024
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Computation, Information and Technology
- Betreuer:
- Menze, Bjoern H. (Prof. Dr.)
- Gutachter:
- Menze, Bjoern H. (Prof. Dr.); Langs, Georg (Prof. Dr.); Reuter, Martin (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- NAT Naturwissenschaften (allgemein)
- TU-Systematik:
- PHY 820; MED 370
- Kurzfassung:
- We address the problem of localising and identifying the vertebrae by proposing a convolutional neural network architecture that works on two-dimensional, orthogonal projections, and reinforce it adversarially to enforce anatomical shape prior. Next, we explore anatomical prior enforcement using a linear conditional random field. Lastly, we investigate vertebral fracture detection by tasking a generative model to learn the data distribution of healthy vertebrae and detect fractures as outliers.
- Übersetzte Kurzfassung:
- (1) Wir befassen uns mit der Lokalisierung und Identifizierung der Wirbel, indem wir eine CNN Architektur, die mit 2d, orthogonalen Projektionen arbeitet und 'adversarial' trainiert wird, um anatomische prior durchzusetzen. (2) Wir untersuchen die Durchsetzung anatomischer priors mit Hilfe eines linearen CRF. (3) Wir untersuchen die Erkennung von Wirbelfrakturen mit einem generativen Modell, um die Datenverteilung gesunder Wirbel zu lernen und Frakturen als Ausreißer zu erkennen.
- WWW:
- https://mediatum.ub.tum.de/?id=1707164
- Eingereicht am:
- 12.05.2023
- Mündliche Prüfung:
- 06.11.2024
- Dateigröße:
- 42049310 bytes
- Seiten:
- 168
- Urn (Zitierfähige URL):
- https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20241106-1707164-1-4
- Letzte Änderung:
- 21.03.2025
BibTeX