Localising Anatomical Structures and Quantifying Tumour Burden in PET/CT Images using Machine Learning

Bieth, Marie

Datenverarbeitung, Informatik

Zurück
Zurück zum Anfang der Trefferliste
Dauerhafter Link zum angezeigten Objekt

Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link

Originaltitel:: Localising Anatomical Structures and Quantifying Tumour Burden in PET/CT Images using Machine Learning
Übersetzter Titel:: Lokalisierung von anatomischen Strukturen und Quantifizierung der Tumorlast in PET/CT Bildern mit maschinellem Lernen
Autor:: Bieth, Marie
Jahr:: 2017
Dokumenttyp:: Dissertation
Fakultät/School:: Fakultät für Informatik
Betreuer:: Menze, Björn (Prof. Dr.)
Gutachter:: Menze, Björn (Prof. Dr.); Schwaiger, Markus (Prof. Dr.)
Sprache:: en
Fachgebiet:: DAT Datenverarbeitung, Informatik
TU-Systematik:: DAT 760d; MED 230d
Kurzfassung:: Progress in medical imaging have made it an essential tool for cancer diagnosis and staging. In this thesis, we introduce new methods for the analysis of PET/CT images using machine learning. In particular, we propose new approaches for segmenting bones and organs and define new multimodal global and local indices assess bone lesions.
Übersetzte Kurzfassung:: Dank Fortschritte in der medizinischen Bildgebung ist diese zu einem zentralen Werkzeug für die Diagnose und Bewertung von Krebs geworden. In dieser Doktorarbeit werden neue Methoden für die Analyse von PET/CT Daten mit maschinellem Lernen eingeführt. Es werden neue Verfahren für die Segmentierung von Knochen und Organen vorgestellt und neue multimodale lokale und globale Indizes für die Auswertung von Knochenläsionen definiert.
WWW:: https://mediatum.ub.tum.de/?id=1374724
Eingereicht am:: 30.08.2017
Mündliche Prüfung:: 17.11.2017
Dateigröße:: 20878903 bytes
Seiten:: 129
Urn (Zitierfähige URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20171117-1374724-1-8
Letzte Änderung:: 30.11.2017
BibTeX